需要完整python代码

当然，为了找到n的最小值和最大值以及对应的k值，我们可以使用Python的`scipy.optimize.root`函数来解非线性方程。以下是代码示例：

from scipy.optimize import root
import numpy as np

# 给定的k值范围和置信系数
k_min = 20000
k_max = 25000
confidence_level = 0.95  # 置信水平

# 相应的1.645是Z分数对应95%置信区间的上界
z_score = 1.645

# 函数 f(n) = 1.645 * sqrt(0.09n) + 0.1n - k
def f(n):
    return 1.645 * np.sqrt(0.09 * n) + 0.1 * n - k

# 定义两个方程组，分别对应k的最小值和最大值
eqs_min = {'f': f}
eqs_max = {'f': lambda n: f(n) - (k_max - k_min)}

# 使用根查找算法求解
solution_min = root(eqs_min, 1e6)  # 初始猜测值较大，防止落入负数区域
solution_max = root(eqs_max, 1e4)  # 同理，初始猜测值较小

# 计算n的最小值和最大值，以及对应的k值
n_min = solution_min.x[0]
n_max = solution_max.x[0]
k_min_calculated = f(n_min)
k_max_calculated = f(n_max)

print(f"当n的最小值为{n_min:.2f}时，对应的k值为{k_min_calculated:.2f}")
print(f"当n的最大值为{n_max:.2f}时，对应的k值为{k_max_calculated:.2f}")

注意：这里的代码假设了输入的k值范围足够大，能保证函数值在非负区域。如果初始猜测值不合适，可能需要调整。运行此代码前，确保已经安装了`scipy`库，如果没有可以使用`pip install scipy`进行安装。