Python 在对象的组合上有条件地迭代

我正在研究一个小的营养计划，希望找到某些食物的最佳组合，以满足卡路里和大量营养素方面的一些要求。就这个问题而言，我将只关注目标卡路里

我有来自API的数据，可以告诉我关于给定食物的事情。例如：

egg = Food(FOOD_IDS["Boiled Egg"])
print(egg.macros.__dict__)

结果:

{'protein_grams': 6.0, 'fat_grams': 4.5, 'carb_grams': 1.0, 'calories': 68.5}

我想做的是找到我所能吃的食物的可能组合，这些组合能增加目标数量的卡路里

因此，如果我有

鸡蛋

，

大米

，

鸡肉

，在

食物

的集合中，我如何找到这些食物的所有可能组合，比如3000卡路里

我曾考虑使用

随机

在

循环中不断收集食物，直到达到卡路里目标，但随着食物清单的增加，我担心性能。我以前使用过
itertools
库中的
产品
、
组合
、和
置换
，但我不知道这些方法如何在这里应用，因为我打算在边界条件内迭代

以下是我迄今为止的尝试：

def get_daily_food_options(self):
    target = 3000
    food_combinations = []
    groceries = []
    groceries.append(Food(FOOD_IDS["Boiled Egg"]))
    groceries.append(Food(FOOD_IDS["Brown Rice"]))
    groceries.append(Food(FOOD_IDS["Chicken Breast"]))
    num_iterations = 100 # I have to manually change this to get more/less results
    for i in range(num_iterations):
        temp_combination = []
        current_calories = 0
        while current_calories < target:
            food = choice(groceries) # random (not smart)
            temp_combination.append(food)
            current_calories += food.macros.calories
        food_combinations.append(temp_combination)
    return food_combinations

下面的程序获取总热量计数和代表单个食品的热量含量的整数列表。它试图找到这些食物的倍数，这些食物加起来正好达到所需的总热量：

from itertools import product

def get_combinations(total_calories, calorie_counts):
    n = len(calorie_counts)
    max_factors = [total_calories // calorie_counts[i] for i in range(n)]
    for t in product(*(range(factors + 1) for factors in max_factors)):
        calorie_count = sum([t[i] * calorie_counts[i] for i in range(n)])
        if calorie_count == total_calories:
            print(t)


get_combinations(3000, [300, 150, 200])

如果您坚持每种食物至少有一份，则将for循环更改为：

for t in product(*(range(1, factors + 1) for factors in max_factors)):

其想法是，如果总热量为X，而某一食物项目的热量为Y，则该食物项目的唯一可能份数在[0..X//Y]范围内（或[1..X//Y]，如果您坚持至少有一份）。因此，如果有N个食物项目，程序会通过生成长度为N的元组，对所有可能的食物项目组合进行详尽的试验，其中每个元组是一个可能的组合

这里通常采用的类似里程表的方法是

def combos(menu,target,extra):  # menu: list of values
  # Put the biggest first for efficiency
  # and to avoid large shortfalls:
  order=sorted(enumerate(menu),key=lambda e: -e[1])
  # Construct inverse permutation:
  inv=[None]*len(menu)
  for i,(j,_) in enumerate(order): inv[j]=i
  for c in combos0([v for _,v in order],target,extra,[]):
    yield [c[i] for i in inv]
def combos0(menu,target,extra,pfx):
  v=menu[len(pfx)]
  # Leave no budget unspent:
  if len(pfx)==len(menu)-1:
    n=-(-target//v)  # ceiling division
    if target+extra>=n*v: yield pfx+[n]
  else:
    for i in range((target+extra)//v+1):
      for c in combos0(menu,target-i*v,extra,pfx+[i]): yield c

你在这里的电话是
套餐（[f.macros.carries for f in foods]，3000100）
这个怎么样<代码>当前热量+=总和（[f.macros.carries for f in temp\u composition]）

可能不是必需的，因为

当前热量

具有当前while迭代之前的卡路里数。由于每次while迭代都会将食物添加到

temp\u组合中

，因此只需将

当前热量

与所选食物的热量相加，即

当前热量+=food.macros.carries

。这样，您就可以避免在

sum（[f.macros.carries for f in temp_composition]）

表达式中进行额外的O（n）计算。@Viethran很好，谢谢您研究过线性规划吗？scipy是一个很棒的软件包。它不会直接回答您的问题，但您应该能够找到一个最佳解决方案列表。同样有用：@JacobIRR:目标是“大约3000”，还是需要精确？我真的很喜欢这有一个排序输出。我将把它插入到我的大环境中，看看它是如何工作的我想我知道了

max\u factors

在做什么，但是当我用13种食物运行这个时，它运行了很长一段时间（现在已经五分钟了）。这是否意味着我需要通过某种数据科学包/库来运行它，它的数学运算在C级进行了优化？我看不到任何进一步优化它的方法。@JacobIRR好吧，有13种食物，你就有了13个嵌套循环，测试每种可能的食物组合，其中每种食物的分量可以从0变化到其最大允许值（我现在希望我将变量

max\u factors

命名为

max\u servings

）。它可能会运行很长时间。

对于i，（j，u），按顺序

抛出

TypeError:“int”对象在Python 3.7中是不可编辑的

。它应该是

枚举（顺序）

？@JacobIRR：当然可以；从移动设备发布代码有其局限性。编辑。

def combos(menu,target,extra):  # menu: list of values
  # Put the biggest first for efficiency
  # and to avoid large shortfalls:
  order=sorted(enumerate(menu),key=lambda e: -e[1])
  # Construct inverse permutation:
  inv=[None]*len(menu)
  for i,(j,_) in enumerate(order): inv[j]=i
  for c in combos0([v for _,v in order],target,extra,[]):
    yield [c[i] for i in inv]
def combos0(menu,target,extra,pfx):
  v=menu[len(pfx)]
  # Leave no budget unspent:
  if len(pfx)==len(menu)-1:
    n=-(-target//v)  # ceiling division
    if target+extra>=n*v: yield pfx+[n]
  else:
    for i in range((target+extra)//v+1):
      for c in combos0(menu,target-i*v,extra,pfx+[i]): yield c