全部用python写出代码

为了用 Python 完成这个任务，我们需要导入必要的库并编写代码来实现上述的数学模型。这里是一个简化版的例子，假设数据存储在一个名为 `data` 的字典中，包含了作物列表、预期销售量、产量、成本和剩余作物处置价值。我们将使用 `pandas` 库来处理数据和创建 DataFrame，`numpy` 库用于数学运算，以及 `scipy.optimize` 进行线性规划。

import pandas as pd
import numpy as np
from scipy.optimize import linprog

# 假设 data 数据结构如下：
# data = {
#     'crop_names': ['crop1', 'crop2', ...],  # 作物名称
#     'sales': [expected_sales_1, expected_sales_2, ...],  # 预期销量
#     'yield_per_acre': [yield_1, yield_2, ...],  # 每亩产量
#     'cost_per_acre': [cost_1, cost_2, ...],  # 每亩成本
#     'waste_value': waste_value,  # 剩余作物价值（滞销）
#     'discount_rate': discount_rate,  # 折价率
# }

# 创建 DataFrame
df = pd.DataFrame({
    'Crop': data['crop_names'],
    'Sales': data['sales'],
    'Production': data['yield_per_acre'],
    'Cost': data['cost_per_acre']
})

# 1. 模型1 (滞销情况)
def optimize_model1(df, waste_value):
    production_matrix = df['Production'].values.reshape(-1, 1)
    sales_vector = df['Sales'].values.reshape(-1, 1)
    objective_function = -np.array([-df['Cost'].values])  # 目标函数 - 成本
    constraints = [{'type': 'ineq', 'fun': lambda x: np.sum(x) - sales_vector - waste_value * np.sum(x)}]
    bounds = [(0, None) for _ in range(len(df))]

    res = linprog(objective_function, A_ub=production_matrix, b_ub=sales_vector.flatten(), bounds=bounds)
    return res

# 2. 模型2 (降价出售情况)
def optimize_model2(df, discount_rate):
    production_matrix = df['Production'].values.reshape(-1, 1)
    sales_vector = df['Sales'].values.reshape(-1, 1)
    objective_function = sales_vector - np.array([df['Cost'].values])  # 目标函数 - 成本
    discounted_price = sales_vector * (1 - discount_rate)
    constraints = [{'type': 'ineq', 'fun': lambda x: np.sum(x) - sales_vector}]
    bounds = [(0, None) for _ in range(len(df))]

    res = linprog(objective_function, A_ub=production_matrix, b_ub=discounted_price.flatten(), bounds=bounds)
    return res

# 实际运行模型并保存结果到 Excel
result1 = optimize_model1(df, data['waste_value'])
result1_df = pd.DataFrame(result1.x, columns=['Quantity'])
result1_df.insert(0, 'Crop', data['crop_names'])

result2 = optimize_model2(df, data['discount_rate'])
result2_df = pd.DataFrame(result2.x, columns=['Quantity'])
result2_df.insert(0, 'Crop', data['crop_names'])

# 导出到 Excel 文件
with pd.ExcelWriter('result1.xlsx') as writer1:
    result1_df.to_excel(writer1, sheet_name='Sheet1')

with pd.ExcelWriter('result2.xlsx') as writer2:
    result2_df.to_excel(writer2, sheet_name='Sheet1')

这只是一个基本的示例，实际操作可能会更复杂，例如检查约束的有效性、异常处理等。请根据你的实际情况调整数据格式和文件路径。如果你有其他问题，比如数据预处理、Excel 文件操作或特定数学函数的理解，随时问我哦。