import itertools import os import pandas as pd def get_result(hope, list_input, used): """ :param hope: # 期望相加所得参数 :param list_input: # 所有数值 :param used: # 已使用过列表，起始数据为空 :return: """ def generate_combination(items, length): for combination in itertools.combinations(items, length): result_generate = list(combination) # print(result) yield result_generate # 容差值，避免float计算过小 epsilon = 0.001 # 剔除大于目标值部分的列表内容不进行计算 larger_list = [i for i in list_input if i > hope] step_1_list = list(set(list_input) - set(larger_list)) # 剔除已使用过数据 # print(used) step_1_list = list(set(step_1_list) - set(used)) # 根据初步判断后的step_1_list，迭代每一种数据长度的可能性 result = [] for i in range(1, len(step_1_list) + 1): # print('当前判断长度:' + str(i)) # 用迭代器 按照每种长度 生成每种可能 calculate = generate_combination(items=step_1_list, length=i) # 循环迭代结果 for x in calculate: # 对迭代器中每个元组求和 if abs(sum(x) - hope) <= epsilon: result = x used = x # print('计算出', hope, ',组合是', result) # 计算出结果，则该 break # 如果计算出结果，则终止对迭代结果循环 else: # print('无结果') continue # 未计算出结果，继续对迭代结果循环 break # if True 则终止对所有长度可能的循环 return hope, result, used if __name__ == '__main__': # 准备填数文件和基础参数 input_path = '数据求和匹配.xlsx' output_path = '数据求和匹配结果.xlsx' df_input = pd.DataFrame(columns=['求和标识', '求和列', '计算标识', '计算列']) # 若不存在前期文件，则新建模板用于计算 if not os.path.exists(input_path): df_input.to_excel(input_path, index=False) os.system(input_path) # 根据df_input取数list1 list2 df_input = pd.read_excel(input_path, dtype=str) df_input.fillna(0, inplace=True) list1 = df_input['计算列'].astype(float).tolist() list2 = df_input['求和列'].astype(float).tolist() print(sum(list1), sum(list2)) # 开始运行，used装填已使用过数据 新建df数据用于汇总全部数据 used = [] df_total = pd.DataFrame() for i in list2: if i != 0: end = get_result(i, list1, used=used) sus_hope = end[0] # 求和数据 sus_result = end[1] # 求和列表 print(sus_hope, '计算结果', sus_result) sus_used = end[2] # 已使用数据 sus_used = used.extend(sus_used) # 组合hope和resu为结果数据 df_division = pd.DataFrame(columns=['计算列'], data=sus_result) df_division['求和列'] = sus_hope df_total = pd.concat([df_division, df_total]) df_total['求和列'] = df_total['求和列'].astype(str) df_total['计算列'] = df_total['计算列'].astype(str) add_df = df_input[['求和列', '求和标识']] df_total = pd.merge(df_total, add_df, on='求和列') cal_df = df_input[['计算列', '计算标识']] df_total = pd.merge(df_total, cal_df, on='计算列') print(df_total) df_result = pd.DataFrame(columns=['计算列', '计算标识', '求和标识', '求和列']) df_result = pd.concat([df_result, df_total]) df_result.to_excel('result.xlsx', index=False) os.system('result.xlsx')
标签：used,匹配,一个多,df,list,result,input,total,不高 From： https://www.cnblogs.com/AZ26/p/18207262