数据分析之最优化

为啥要进行数据分析

在上次的fme用户大会会后，我写了一点感想。在很早之前，我就觉得单纯的做数据处理是没什么前途的，所以要做分析，并且分析中有处理，处理中有分析。仅仅在处理中做一些分析，是不够的，所以我又找了一些书来读。接下来，我将按照书中的例子，做一点分享。

线性规划，最大值

其实这就是个线性规划问题，书中进行了一系列的需求分析，通过科学的方法，将问题转化成了经典的线性规划问题

书中使用了excel的函数来进行线性规划，如下图所示：

但这样就够了？ NO! Excel，交互式太强，不方便部署或是集成到其他平台中！ 作为一个有追求的技术人，当然要有更高端一点的解决方式！ 那么，要使用什么方式来解决问题呢？ FME据我了解，好像没有类似的工具，或者实现起来太复杂，pass！ 还是用我万能的Python吧！ 说干就干，直接上源码!

'''
Created on 2019年4月14日

@author: uYaoQi
'''

from scipy import optimize as opt
import numpy as np

# 数据分析生产橡皮鸭与橡皮鱼求取最优解的算法
# 这里面都是限制条件
# 最大利润：max(利润) = 5*(鸭)+4*(鱼)
# 限制条件之橡胶：100*(鸭)+125*(鱼)<=50000
# 根据报表分析出市场上销售橡皮鸭与橡皮鱼的关系，进而得出以下的限制函数
# 限制条件之市场：鸭<=150
# 限制条件之市场：鱼<=50

c = np.array([5,4])
a = np.array([[100,125],[1,0],[0,1]])
b = np.array([50000,150,50])

if __name__ == '__main__':
    res = opt.linprog(-c,a,b)
    print(res)

output:
     con: array([], dtype=float64)
     fun: -950.0
 message: 'Optimization terminated successfully.'
     nit: 3
   slack: array([28750.,     0.,     0.])
  status: 0
 success: True
       x: array([150.,  50.])

用Python来做线性规划，就是这么简单！

其它的一些分析

这篇推送，来自于《深入浅出数据分析》，是HeadFirst系列书籍，感兴趣的可以网上找一找，或者联系我索取。 最近除了这个分析，我也基于Dijkstra算法，做了一些路径规划方面的分析。 分析需要算法，需要模型，而模型，就在平常的生活中慢慢积累！ 现在，我看公众号，只要是有数据分析相关的，都会记下来！

others

生活中处处有分析！比如我早上起床，如果昨天睡觉的时候决定了今天早上不洗头，那就可以多睡一会，我觉得这是分析；我下午要去打羽毛球、去运动，午饭/晚饭就可以多吃点，这也是分析；在生活中，处处都是分析。只是有些分析，有合适的模型，可以量化，有些，没那么容易量化！