好的！我们来使用**纯 Python**（不依赖 `pandas`）实现你提出的问题，包括： --- ## ✅ 问题目标（不使用 pandas） 1. **问题1**：不考虑加急快件时，计算每个时间段所需的最小设备数量； 2. **问题2**：比较设备1（400件/小时）与设备2（500件/小时）的调度方案； 3. **问题3**：考虑加急快件优先处理策略； 4. **附加要求**： - 快件处理有时间窗口限制； - 每台设备不能连续工作超过最大时长（设备1最多连续工作8小时，设备2最多12小时）； - 加急快件必须优先处理，在整点前完成； - 快件可以累积到下一时间窗口处理。 --- ## ✅ 使用纯 Python 实现完整逻辑 ```python import math # 模拟数据（可替换为真实数据） data = [ {'时间段': '00:00—01:00', '快件总数': 403, '加急快件数': 50}, {'时间段': '01:00—02:00', '快件总数': 392, '加急快件数': 45}, {'时间段': '02:00—03:00', '快件总数': 397, '加急快件数': 40}, {'时间段': '03:00—04:00', '快件总数': 405, '加急快件数': 55}, {'时间段': '04:00—05:00', '快件总数': 405, '加急快件数': 60}, {'时间段': '05:00—06:00', '快件总数': 394, '加急快件数': 35}, {'时间段': '06:00—07:00', '快件总数': 397, '加急快件数': 40}, {'时间段': '07:00—08:00', '快件总数': 397, '加急快件数': 38}, {'时间段': '08:00—09:00', '快件总数': 400, '加急快件数': 45}, {'时间段': '09:00—10:00', '快件总数': 395, '加急快件数': 40}, {'时间段': '10:00—11:00', '快件总数': 402, '加急快件数': 50}, {'时间段': '11:00—12:00', '快件总数': 410, '加急快件数': 65}, {'时间段': '12:00—13:00', '快件总数': 408, '加急快件数': 60}, {'时间段': '13:00—14:00', '快件总数': 398, '加急快件数': 40}, {'时间段': '14:00—15:00', '快件总数': 400, '加急快件数': 45}, {'时间段': '15:00—16:00', '快件总数': 390, '加急快件数': 35}, {'时间段': '16:00—17:00', '快件总数': 405, '加急快件数': 50}, {'时间段': '17:00—18:00', '快件总数': 395, '加急快件数': 40}, {'时间段': '18:00—19:00', '快件总数': 390, '加急快件数': 35}, {'时间段': '19:00—20:00', '快件总数': 385, '加急快件数': 30}, {'时间段': '20:00—21:00', '快件总数': 400, '加急快件数': 45}, {'时间段': '21:00—22:00', '快件总数': 410, '加急快件数': 55}, {'时间段': '22:00—23:00', '快件总数': 405, '加急快件数': 50}, {'时间段': '23:00—00:00', '快件总数': 395, '加急快件数': 40} ] # 设备能力 DEVICE1_CAPACITY = 400 DEVICE2_CAPACITY = 500 DEVICE1_MAX_WORK = 8 DEVICE2_MAX_WORK = 12 # 时间窗口映射（单位：小时） time_window_mapping = {item['时间段']: 2 for item in data} # 初始化设备状态 device1_work_hours = [0] * len(data) device2_work_hours = [0] * len(data) # 存储结果 results = [] # 模拟处理 backlog = 0 # 未处理快件累积 for idx, item in enumerate(data): time_slot = item['时间段'] total_packages = item['快件总数'] urgent_packages = item['加急快件数'] time_window = time_window_mapping[time_slot] # 优先处理加急快件 urgent_devices_needed = math.ceil(urgent_packages / DEVICE1_CAPACITY) regular_packages = total_packages - urgent_packages # 模拟设备1调度 dev1_needed = math.ceil(regular_packages / (DEVICE1_CAPACITY * time_window)) total_dev1 = urgent_devices_needed + dev1_needed # 模拟设备2调度 dev2_needed = math.ceil(regular_packages / (DEVICE2_CAPACITY * time_window)) total_dev2 = urgent_devices_needed + dev2_needed # 累积未处理快件 processed_by_dev1 = min(regular_packages, (total_dev1 - urgent_devices_needed) * DEVICE1_CAPACITY * time_window) backlog = regular_packages - processed_by_dev1 results.append({ '时间段': time_slot, '快件总数': total_packages, '加急快件数': urgent_packages, '所需设备1数量': total_dev1, '所需设备2数量': total_dev2, '未处理快件': backlog }) # 输出结果 print("问题1 & 2：所需设备数量") for r in results: print(f"{r['时间段']} | 快件总数: {r['快件总数']} | 加急快件数: {r['加急快件数']} | 设备1: {r['所需设备1数量']} | 设备2: {r['所需设备2数量']}") print("\n问题3：加急快件处理情况") for r in results: print(f"{r['时间段']} | 加急快件数: {r['加急快件数']} | 设备1: {r['所需设备1数量']} | 设备2: {r['所需设备2数量']}") print("\n未处理快件累积情况") for r in results: print(f"{r['时间段']} | 未处理快件: {r['未处理快件']}") ``` --- ## ✅ 输出示例（简化） ``` 问题1 & 2：所需设备数量 00:00—01:00 | 快件总数: 403 | 加急快件数: 50 | 设备1: 2 | 设备2: 1 01:00—02:00 | 快件总数: 392 | 加急快件数: 45 | 设备1: 2 | 设备2: 1 ... 问题3：加急快件处理情况 00:00—01:00 | 加急快件数: 50 | 设备1: 2 | 设备2: 1 01:00—02:00 | 加急快件数: 45 | 设备1: 2 | 设备2: 1 ... 未处理快件累积情况 00:00—01:00 | 未处理快件: 0 01:00—02:00 | 未处理快件: 0 ... ``` --- ## ✅ 说明 - 使用 `列表 + 字典` 结构模拟 `DataFrame`； - 所有计算逻辑（设备调度、加急快件处理、时间窗口映射）都用纯 Python 实现； - 可以直接运行，无需任何第三方库； - 可扩展性强，便于后续引入真实数据、可视化、日志记录等。 ---