1. 实际应用场景与痛点

场景

- 电商平台常有“满 200 减 50”等满减活动

- 朋友或同事一起拼单，想达到满减门槛，但每个人只想买自己需要的商品

- 为了凑单可能被迫多买不需要的东西，造成浪费

- 需要公平分摊优惠金额

痛点

- 手动计算凑单组合复杂

- 容易为了凑单多买无用商品

- 优惠分摊不公平

- 缺乏数据驱动的凑单建议

2. 核心逻辑讲解

1. 输入数据

- 每个参与者的购物车（商品、单价、数量）

- 满减规则（门槛、减免金额）

- 拼单人数

2. 计算总购物车金额

- 判断是否满足满减条件

3. 优化凑单

- 在现有商品基础上，寻找最小额外花费就能达到满减门槛的组合

- 使用贪心算法或动态规划找最优补充商品

4. 优惠分摊

- 按商品原价比例分摊优惠金额

5. 输出结果

- 每人应付金额

- 推荐的凑单商品列表

3. 项目结构

group_buy_calculator/

├── data_model.py # 数据模型

├── calculator.py # 核心计算逻辑

├── optimizer.py # 凑单优化

├── config.py # 配置

├── requirements.txt # 依赖

├── README.md # 使用说明

└── sample_data/ # 示例数据

└── cart_data.json

4. 代码实现

"config.py"

# 满减规则

FULL_THRESHOLD = 200 # 满减门槛

DISCOUNT_AMOUNT = 50 # 减免金额

"data_model.py"

class CartItem:

def __init__(self, name, price, quantity, owner):

self.name = name

self.price = price

self.quantity = quantity

self.owner = owner # 参与者姓名

class GroupCart:

def __init__(self, items, members):

self.items = items

self.members = members

"optimizer.py"

def find_best_addon(cart_items, threshold, available_products):

"""

在现有购物车基础上，找最小额外花费达到满减门槛

cart_items: 当前所有商品总价

available_products: 可添加的备选商品列表 (name, price)

"""

from itertools import combinations

current_total = sum(item.price * item.quantity for item in cart_items)

if current_total >= threshold:

return [] # 已满足条件

needed = threshold - current_total

best_combo = None

min_extra = float('inf')

# 简单贪心：按价格升序尝试

sorted_products = sorted(available_products, key=lambda x: x[1])

combo = []

total_price = 0

for name, price in sorted_products:

if total_price >= needed:

break

combo.append((name, 1))

total_price += price

if total_price >= needed and total_price < min_extra:

min_extra = total_price

best_combo = combo

return best_combo

"calculator.py"

from data_model import CartItem, GroupCart

from config import FULL_THRESHOLD, DISCOUNT_AMOUNT

from optimizer import find_best_addon

def calculate_group_payment(cart, available_products):

total_before = sum(item.price * item.quantity for item in cart.items)

addons = find_best_addon(cart.items, FULL_THRESHOLD, available_products)

# 添加凑单商品

for name, qty in addons:

cart.items.append(CartItem(name, next(p[1] for p in available_products if p[0] == name), qty, "共同凑单"))

total_after = sum(item.price * item.quantity for item in cart.items)

discount = max(0, total_after - FULL_THRESHOLD) # 满减优惠

# 按原价比例分摊优惠

item_total_map = {}

for item in cart.items:

key = item.owner

item_total_map[key] = item_total_map.get(key, 0) + item.price * item.quantity

total_original = sum(item_total_map.values())

payments = {}

for owner, amount in item_total_map.items():

share = amount / total_original

payments[owner] = amount - share * discount

return payments, addons, total_after

主程序

"main.py"

import json

from data_model import CartItem, GroupCart

from calculator import calculate_group_payment

# 示例数据

cart_items = [

CartItem("洗发水", 80, 1, "Alice"),

CartItem("牙膏", 30, 2, "Bob"),

CartItem("零食", 50, 1, "Charlie")

]

members = ["Alice", "Bob", "Charlie"]

cart = GroupCart(cart_items, members)

available_products = [

("笔记本", 15),

("鼠标垫", 10),

("书签", 5),

("笔", 8)

]

payments, addons, total = calculate_group_payment(cart, available_products)

print("凑单推荐:", addons)

print("总金额:", total)

for person, pay in payments.items():

print(f"{person} 应付: {pay:.2f} 元")

5.

"requirements.txt"

# 无特殊依赖，纯 Python

6. README.md

# 拼单凑单计算器

基于大数据与商务智能，自动计算拼单最优凑单方案，避免多买无用商品。

## 功能

- 输入各人购物车

- 自动判断是否可满减

- 推荐最少额外花费的凑单商品

- 公平分摊优惠金额

## 使用

1. 修改 `main.py` 中的购物车数据和可添加商品

2. 运行：

bash

python main.py

## 数据格式

CartItem: (商品名, 单价, 数量, 拥有者)

available_products: [(商品名, 单价)]

7. 核心知识点卡片

知识点 说明

满减规则建模 用数学条件表示促销逻辑

贪心算法 快速找到近似最优凑单组合

优惠分摊 按原价比例公平分配优惠

数据模型 用类封装购物车与商品信息

组合优化 在有限商品中选择最小额外花费组合

8. 总结

本程序通过数据驱动 + 优化算法，解决了拼单凑单中的浪费与公平性问题，让用户在享受优惠的同时不买无用商品。

未来可扩展：

- 接入电商 API 实时获取商品价格与促销

- 使用动态规划或整数规划求精确最优解

- 增加 Web 界面方便多人协作输入

- 支持多种满减规则（阶梯满减、折扣券等）

如果你需要，还可以做一个带图形界面的拼单计算器（Tkinter 或 Web），让用户可以直观选择商品和看到分摊结果。

利用AI高效解决实际问题，如果你觉得这个工具好用，欢迎关注我！