NumPy高效处理分层库存分配与客户平均价格计算

import numpy as np

orders = np.array([21, 6, 3], dtype=np.int64)
quantity = np.array([16, 14], dtype=np.int64)
price = np.array([30.5, 35.5], dtype=np.double)

# 步骤1: 创建一个包含所有商品单价的“扁平化”数组
start = 0
total_supply_units = np.sum(quantity)
supply_prices_flat = np.zeros(total_supply_units, dtype=np.double)
for i, quant in enumerate(quantity):
    idx = start + quant
    supply_prices_flat[start:idx] = price[i]
    start = idx

print("扁平化商品价格数组:", supply_prices_flat)

# 步骤2: 根据客户订单计算平均价格
fin_avg_prices = []
current_pos = 0
for order_size in orders:
    idx = current_pos + order_size
    fin_avg_prices.append(np.mean(supply_prices_flat[current_pos:idx]))
    current_pos = idx

print("每位客户的平均价格 (低效方法):", fin_avg_prices)

扁平化商品价格数组: [30.5 30.5 30.5 30.5 30.5 30.5 30.5 30.5 30.5 30.5 30.5 30.5 30.5 30.5
 30.5 30.5 35.5 35.5 35.5 35.5 35.5 35.5 35.5 35.5 35.5 35.5 35.5 35.5
 35.5 35.5]
每位客户的平均价格 (低效方法): [31.69047619047619, 35.5, 35.5]

import numpy as np

orders = np.array([21, 6, 3], dtype=np.int64)
quantity = np.array([16, 14], dtype=np.int64)
price = np.array([30.5, 35.5], dtype=np.double)

# 步骤1: 使用 np.repeat 展开价格
# np.repeat(price, quantity) 会根据 quantity 中指定的次数重复 price 中的每个元素。
# 例如，如果 price=[P1, P2] 和 quantity=[Q1, Q2]，结果将是 [P1, ..., P1 (Q1次), P2, ..., P2 (Q2次)]
repeated_prices = np.repeat(price, quantity)
# 结果: [30.5, ..., 30.5 (16次), 35.5, ..., 35.5 (14次)]

# 步骤2: 计算 reduceat 的索引
# np.cumsum(orders) 计算订单数量的累积和，用于确定每个客户订单在 repeated_prices 中的结束位置。
# np.r_[0, ...] 会在累积和数组前添加一个0，表示第一个客户订单的起始位置。
# [:-1] 移除最后一个元素，因为 reduceat 的索引是每个段的起始位置。
# 例如，orders=[21, 6, 3]，cumsum=[21, 27, 30]，indices=[0, 21, 27]
indices = np.r_[0, np.cumsum(orders)][:-1]

# 步骤3: 使用 np.add.reduceat 计算每个客户订单的总成本
# np.add.reduceat(array, indices) 会在指定索引处“切分” array，并对每个切分段进行求和。
# 这将直接计算出每个客户订单的总成本。
total_cost_per_customer = np.add.reduceat(repeated_prices, indices)

# 步骤4: 计算平均价格
# 将每个客户的总成本除以其订单数量，得到平均价格。
average_price_per_customer = total_cost_per_customer / orders

print("每位客户的平均价格 (高效NumPy方法):", average_price_per_customer)

每位客户的平均价格 (高效NumPy方法): [31.69047619 35.5        35.5       ]

# 示例：验证总成本的准确性
# 计算高效方法得到的总成本
calculated_total_costs = average_price_per_customer * orders
print("高效方法计算的总成本:", calculated_total_costs)

# 原始的总供应成本
original_total_supply_cost = np.sum(price * quantity)
print("原始总供应成本:", original_total_supply_cost)

# 高效方法计算的所有客户总成本之和
sum_calculated_total_costs = np.sum(calculated_total_costs)
print("所有客户总成本之和:", sum_calculated_total_costs)

# 比较（考虑浮点精度）
tolerance = 1e-9 # 设置一个小的容忍值
if np.abs(sum_calculated_total_costs - original_total_supply_cost) < tolerance:
    print("总成本在浮点精度范围内一致。")
else:
    print("总成本存在显著差异。")

高效方法计算的总成本: [665.5 213.  106.5]
原始总供应成本: 985.0
所有客户总成本之和: 985.0
总成本在浮点精度范围内一致。