输入书店图书借阅频率，按热度排序，推荐最优书架摆放位置。
1️⃣ 实际应用场景描述 & 痛点引入
在书店或图书馆中，图书的借阅频率差异很大。
热门书如果被放在角落或高层，读者寻找困难，会降低借阅率，也影响书店销售额。
痛点：
- 热门书找不到 → 用户体验差。
- 冷门书占据黄金位置 → 浪费流量。
- 人工调整摆放费时费力。
目标：
根据借阅数据，自动生成热度排序，并推荐最优书架位置（入口附近、视线平行处）。
2️⃣ 核心逻辑讲解
我们假设：
- 每本书有借阅次数。
- 书架位置有热度权重（入口=1.0，中层视线平行=0.9，高层=0.7，角落=0.5）。
- 最优摆放 = 将高热度书放在高权重位置。
步骤：
1. 输入图书借阅数据（书名，借阅次数）。
2. 按借阅次数降序排序 → 得到热度排名。
3. 定义书架位置列表及权重。
4. 将排名靠前的书分配到权重高的位置。
5. 输出推荐摆放方案。
3️⃣ 模块化代码 + 详细注释
文件结构
bookstore_optimization/
│
├── main.py # 主程序入口
├── book_analysis.py # 借阅数据分析模块
├── shelf_optimizer.py # 书架位置优化模块
├── utils.py # 工具函数（打印表格等）
└── README.md # 使用说明
"book_analysis.py"
# book_analysis.py
def sort_books_by_popularity(books):
"""
按借阅次数降序排序
:param books: dict {书名: 借阅次数}
:return: 排序后的列表 [(书名, 借阅次数)]
"""
sorted_books = sorted(books.items(), key=lambda x: x[1], reverse=True)
return sorted_books
"shelf_optimizer.py"
# shelf_optimizer.py
def recommend_placement(sorted_books, positions):
"""
推荐书架摆放位置
:param sorted_books: 排序后的书籍列表
:param positions: 位置列表 [(位置名, 权重)]
:return: 推荐摆放方案列表 [(位置名, 书名)]
"""
# 按权重降序排列位置
positions_sorted = sorted(positions, key=lambda x: x[1], reverse=True)
placement = []
for i, (pos_name, _) in enumerate(positions_sorted):
if i < len(sorted_books):
placement.append((pos_name, sorted_books[i][0]))
else:
break
return placement
"utils.py"
# utils.py
def print_table(data, headers):
"""
打印表格
"""
print("\t".join(headers))
for row in data:
print("\t".join(map(str, row)))
"main.py"
# main.py
from book_analysis import sort_books_by_popularity
from shelf_optimizer import recommend_placement
from utils import print_table
def main():
print("=== 书店书架优化推荐系统 ===")
# 输入图书借阅数据
books = {}
n = int(input("请输入图书数量: "))
for _ in range(n):
title = input("书名: ")
freq = int(input("借阅次数: "))
books[title] = freq
# 定义书架位置及权重
positions = [
("入口右侧", 1.0),
("中层视线平行", 0.9),
("中层左侧", 0.85),
("高层中央", 0.7),
("角落", 0.5)
]
# 分析
sorted_books = sort_books_by_popularity(books)
placement = recommend_placement(sorted_books, positions)
print("\n📊 热度排序:")
print_table([(i+1, title, freq) for i, (title, freq) in enumerate(sorted_books)],
["排名", "书名", "借阅次数"])
print("\n📚 推荐摆放方案:")
print_table(placement, ["位置", "推荐图书"])
if __name__ == "__main__":
main()
4️⃣ README.md
# 书店书架优化推荐系统
本程序根据图书借阅频率，按热度排序，并推荐最优书架摆放位置，让热门书更容易被读者找到。
## 使用说明
1. 运行程序：
bash
python main.py
2. 输入：
- 图书数量
- 每本书的书名与借阅次数
- 系统内置书架位置及权重
3. 输出：
- 热度排序表
- 推荐摆放方案
## 核心逻辑
- 按借阅次数降序排序
- 将高热度书分配到高权重位置
- 权重示例：入口=1.0, 中层视线平行=0.9, 高层=0.7, 角落=0.5
5️⃣ 核心知识点卡片
知识点 说明
数据排序 按借阅次数降序排列
权重分配 位置按重要性赋予权重
贪心算法 将最佳资源分配给最高需求
数据驱动决策 用数据优化物理布局
智能制造思想 流程优化、资源合理配置
6️⃣ 总结
通过该程序，我们实现了：
- 数据收集：借阅频率。
- 数据分析：热度排序。
- 优化决策：推荐最优摆放位置。
- 在智能制造与数字化工厂中，这种数据驱动优化方法同样适用于产线物料摆放、工具取用路径优化等场景。
如果你愿意，还可以扩展这个程序，加入图书类别分组、书架容量限制、用户行走路径模拟等，让它更接近真实的书店管理或智能仓储系统。
利用AI解决实际问题，如果你觉得这个工具好用，欢迎关注长安牧笛！