根据以下描述用python写出完整代码，并详细注释。问题描述: 对于某一学校超市，其他各单位到其的距离不同，同时各单位人员去超市的频度也不同。请为超市选址，要求实现总体最优。 1、需求分析 核心问题: 求最短路径(选址的要求就是超市到各单位权值之和最少) 数据模型(逻辑结构): 带权有向图 (权值计算: 距离*频度) 核心算法: Floyd算法 输入数据: 各单位名称，距离，频度，单位个数。 输出数据: 所选单位名称。 运行环境：pycharm 2.概要设计： 如果超市是要选在某个单位，那么先用Floyd算法得出各顶点间的最短距离/最小权值。假设顶点个数有n个，那么就得到n*n的一张表格，arcs(i,j)表示i单位到j单位的最短距离/最小权值 , 这张表格中和最小的那一行(假设为第t行)，那么超市选在t单位处就是最优解。

以下是根据题目描述实现的完整代码，注释中有详细解释：

# 定义一个带权有向图类
class WeightedDigraph:
    def __init__(self, vertices):
        self.vertices = vertices
        self.num_vertices = len(vertices)
        self.adj_matrix = [[0] * self.num_vertices for _ in range(self.num_vertices)]

    def add_edge(self, start_vertex, end_vertex, weight):
        start_idx = self.vertices.index(start_vertex)
        end_idx = self.vertices.index(end_vertex)
        self.adj_matrix[start_idx][end_idx] = weight

    def floyd(self):
        # 初始化路径矩阵和距离矩阵
        dist = self.adj_matrix.copy()
        path = [[None] * self.num_vertices for _ in range(self.num_vertices)]
        for i in range(self.num_vertices):
            for j in range(self.num_vertices):
                if dist[i][j] != float('inf') and i != j:
                    path[i][j] = i

        # Floyd算法核心代码
        for k in range(self.num_vertices):
            for i in range(self.num_vertices):
                for j in range(self.num_vertices):
                    if dist[i][j] > dist[i][k] + dist[k][j]:
                        dist[i][j] = dist[i][k] + dist[k][j]
                        path[i][j] = path[k][j]

        return dist, path

# 输入各单位名称、距离和频度数据
units = ['A', 'B', 'C', 'D', 'E']
distances = {'A': 3, 'B': 5, 'C': 7, 'D': 9, 'E': 2}
frequencies = {'A': 10, 'B': 5, 'C': 3, 'D': 2, 'E': 8}

# 构建带权有向图
graph = WeightedDigraph(units)

# 添加边及边权值
for start_vertex in units:
    for end_vertex in units:
        if start_vertex != end_vertex:
            weight = distances[end_vertex] * frequencies[end_vertex]
            graph.add_edge(start_vertex, end_vertex, weight)

# 调用Floyd算法求解最短路径
dist, path = graph.floyd()

# 找出总权值最小的单位
min_row_sum = float('inf')
min_row_idx = -1
for i in range(graph.num_vertices):
    row_sum = sum(dist[i])
    if row_sum < min_row_sum:
        min_row_sum = row_sum
        min_row_idx = i

optimal_unit = units[min_row_idx]
print("超市最优选址为：", optimal_unit)

以上代码中，我们定义了一个`WeightedDigraph`类作为带权有向图的数据结构，并实现了添加边及边权值的方法和Floyd算法求解最短路径的方法。在构建带权有向图时，我们先根据题目给出的距离和频度数据定义了节点，然后根据每个节点到其他节点的距离和频度计算出边的权值，并将边添加到带权有向图中。

接下来，我们调用Floyd算法求解最短路径，并找出总权值最小的单位，即为超市最优选址。最后将超市最优选址输出。