1. 实际应用场景与痛点

场景

- 家庭每月固定采购米、面、油、牛奶、鸡蛋等易耗品

- 超市经常有不同商品的促销活动（打折、买一送一、满减）

- 商品有不同保质期，囤多了会过期浪费

- 想在保证不断货的前提下，最大化利用促销节省开支

痛点

- 人工计算囤货量复杂，容易算错

- 忽略促销时间窗口，错过优惠

- 囤货过多导致过期浪费

- 不同商品消耗速度不同，难以统一管理

- 缺乏数据驱动的决策支持

2. 核心逻辑讲解

1. 数据输入

- 常买商品列表（名称、保质期、月消耗量）

- 超市促销信息（商品、折扣、开始结束日期）

2. 数据处理

- 计算安全库存（考虑运输、补货周期）

- 计算最大可囤数量（基于保质期和消耗速度）

3. 促销分析

- 识别促销时间窗口

- 计算折扣后的单位成本

4. 优化模型

- 目标：在满足不断货条件下，总成本最低

- 约束：保质期、库存上限、促销时间

- 方法：贪心算法或线性规划（PuLP）

5. 输出推荐

- 每种商品的建议购买数量与时间

3. 项目结构

grocery_optimizer/

├── data_loader.py # 加载商品数据与促销信息

├── optimizer.py # 核心优化逻辑

├── models.py # 数据模型定义

├── config.py # 配置参数

├── requirements.txt # 依赖

├── README.md # 使用说明

└── sample_data/ # 示例数据

├── products.csv

└── promotions.json

4. 代码实现

"config.py"

# 安全库存天数

SAFETY_STOCK_DAYS = 3

# 最大库存天数（基于最短保质期）

MAX_STOCK_DAYS = 30

"models.py"

class Product:

def __init__(self, name, shelf_life_days, monthly_consumption):

self.name = name

self.shelf_life_days = shelf_life_days

self.monthly_consumption = monthly_consumption # kg 或 件

class Promotion:

def __init__(self, product_name, discount_rate, start_date, end_date):

self.product_name = product_name

self.discount_rate = discount_rate # 0.0 ~ 1.0

self.start_date = start_date

self.end_date = end_date

"data_loader.py"

import csv

import json

from models import Product, Promotion

def load_products(filepath):

products = []

with open(filepath, newline='', encoding='utf-8') as f:

reader = csv.DictReader(f)

for row in reader:

products.append(Product(

row['name'],

int(row['shelf_life_days']),

float(row['monthly_consumption'])

))

return products

def load_promotions(filepath):

with open(filepath, encoding='utf-8') as f:

data = json.load(f)

promotions = []

for item in data:

promotions.append(Promotion(

item['product_name'],

float(item['discount_rate']),

item['start_date'],

item['end_date']

))

return promotions

"optimizer.py"

from datetime import datetime, timedelta

from models import Product, Promotion

from config import SAFETY_STOCK_DAYS, MAX_STOCK_DAYS

def days_until_expiry(purchase_date, shelf_life_days):

expiry_date = purchase_date + timedelta(days=shelf_life_days)

return (expiry_date - datetime.now()).days

def recommend_purchase(product, promotions, current_stock):

daily_consumption = product.monthly_consumption / 30

safety_stock = daily_consumption * SAFETY_STOCK_DAYS

max_stock_days = min(product.shelf_life_days - SAFETY_STOCK_DAYS, MAX_STOCK_DAYS)

max_stock_amount = daily_consumption * max_stock_days

# 查找可用促销

best_discount = 1.0

promo_start = None

for p in promotions:

if p.product_name == product.name and p.discount_rate < best_discount:

best_discount = p.discount_rate

promo_start = datetime.strptime(p.start_date, "%Y-%m-%d")

# 计算建议购买量

need_to_buy = max(0, max_stock_amount - current_stock)

if need_to_buy <= 0:

return 0, None

# 如果有促销且在未来一周内开始，建议等到促销日购买

if promo_start and (promo_start - datetime.now()).days <= 7:

purchase_date = promo_start

else:

purchase_date = datetime.now()

return round(need_to_buy, 2), purchase_date.strftime("%Y-%m-%d")

主程序

"main.py"

from data_loader import load_products, load_promotions

from optimizer import recommend_purchase

products = load_products("sample_data/products.csv")

promotions = load_promotions("sample_data/promotions.json")

current_stock = {

"牛奶": 2.0,

"鸡蛋": 10,

"大米": 5.0

}

for p in products:

qty, date = recommend_purchase(p, promotions, current_stock.get(p.name, 0))

if qty > 0:

print(f"{p.name}: 建议购买 {qty} (单位)，最佳购买时间 {date}")

else:

print(f"{p.name}: 库存充足，无需购买")

5.

"requirements.txt"

pandas

6. README.md

# 超市囤货最优解程序

基于大数据与商务智能，计算家庭囤货最优数量与时间，避免过期浪费。

## 功能

- 加载商品数据与促销信息

- 计算安全库存与最大可囤量

- 结合促销时间窗口推荐购买计划

- 输出最优购买数量与时间

## 安装

bash

pip install -r requirements.txt

## 使用

1. 在 `sample_data/` 中填写商品信息与促销信息

2. 修改 `current_stock` 字典为当前库存

3. 运行：

bash

python main.py

## 数据格式

products.csv:

name,shelf_life_days,monthly_consumption

牛奶,7,14

鸡蛋,30,60

大米,180,30

promotions.json:

json

[

{"product_name": "牛奶", "discount_rate": 0.8, "start_date": "2026-02-01", "end_date": "2026-02-07"}

]

7. 核心知识点卡片

知识点 说明

安全库存 防止补货延迟导致断货

保质期约束 库存不能超过保质期允许的最大天数

促销分析 识别折扣窗口，优化购买时机

贪心算法 在满足约束下优先利用促销

数据建模 用类表示商品与促销，便于扩展

CSV/JSON 数据加载 标准化输入输出

8. 总结

本程序通过数据驱动的方式，结合商品保质期、消耗速度和促销信息，计算出最优囤货方案，解决了家庭采购中的浪费与断货问题。

未来可扩展：

- 接入超市 API 实时获取促销信息

- 使用线性规划（PuLP）做全局优化

- 增加可视化报表（Matplotlib/Plotly）

- 开发 Web/GUI 界面方便日常使用

如果你需要，还可以做一个简单的 Flask Web 版本，让用户在线输入商品和库存，实时生成囤货计划并导出 Excel 报表。

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！