假设某山区中有 100 个村庄，现在要在村庄中建立几个医疗点，方便村民看 病。图 1 中给出这 100 个村庄的位置及可选道路连接示意图。附件 3 中数据的“位 置”表单给出了这 100 个村庄的坐标（单位：米），附件 3 中数据的“连接道路” 表单给出了可供选择的道路。现在要在 100 个村庄中建立 3 个医疗点，并在可选 道路中根据需要进行部分道路维修，假定村民看病都选择维修后的道路。 问题 1. 如果各村庄村民到医疗点的距离太远，不便于看病，因此站在村民 角度出发，希望各村庄村民到医疗点的距离尽量小。如果要使各村庄村民到医疗 点的距离总和 S1 最小，请问这 3 个医疗点分别建立在何处最好？python实现

以下是一个 Python 实现，使用了最小堆和贪心算法来选址：

import heapq
import math

# 读取数据
with open('data.csv', 'r') as f:
    lines = f.readlines()

# 解析位置数据
locations = {}
for line in lines[1:]:
    parts = line.strip().split(',')
    id = int(parts[0])
    x = float(parts[1])
    y = float(parts[2])
    locations[id] = (x, y)

# 解析连接道路数据
roads = set()
for line in lines[102:]:
    parts = line.strip().split(',')
    i = int(parts[0])
    j = int(parts[1])
    roads.add((i, j))
    roads.add((j, i))

# 定义计算距离的函数
def distance(p1, p2):
    x1, y1 = p1
    x2, y2 = p2
    return math.sqrt((x1 - x2) ** 2 + (y1 - y2) ** 2)

# 定义计算距离总和的函数
def total_distance(locations, centers):
    total = 0
    for id, loc in locations.items():
        dist = float('inf')
        for center in centers:
            dist = min(dist, distance(loc, center))
        total += dist
    return total

# 初始化最小堆
heap = []
for i in range(1, 101):
    center = locations[i]
    heapq.heappush(heap, (0, i, center))

# 初始化已选医疗点
centers = set()

# 选址
while len(centers) < 3:
    dist, id, center = heapq.heappop(heap)
    if id not in centers:
        centers.add(id)
        for i in range(1, 101):
            if i not in centers and (id, i) in roads:
                dist = distance(center, locations[i])
                heapq.heappush(heap, (dist, i, locations[i]))

# 计算距离总和
total = total_distance(locations, [locations[id] for id in centers])

# 输出结果
print('医疗点坐标：')
for id in centers:
    print(locations[id])
print('距离总和：', total)

需要注意的是，上述代码中的 `data.csv` 文件应该包含两个表单，一个是位置数据，一个是连接道路数据，与题目描述中的附件 3 一致。另外，为了简化代码，上述实现中使用了 Python 标准库中的 `heapq` 模块来实现最小堆。