请问python的最佳填充算法应该怎么写？
假设现在有几千的个数据集。每个数据集里面包含几个到几百个数据。然后我需要把这些数据集放到一些列表里面。
要求每个列表里面的总数据不能超过999个
而且数据集不能拆分
而且列表尽可能的少
如何实现这个算法？
举个例子，比如有以下几个数据集，里面的数据量为920,670,70,320
然后我要把他们放在尽可能少的列表中，每个数据集不拆分
最佳的方法是,
如果不智能的话就会出现,,
但是这是一个很简单的情况下
假设总共有几千个数据集，那如何把这些数据集放在多个列表中，并保证列表数量最少？
感谢大家～～～～～～ 我感觉可以试试numpy
import numpy as np
ls = np.array(range(30))
print('原始列表',ls)
new_ls = np.reshape(ls,(2,15))
print('新列表',new_ls)
.reshape后面，单个列表的长度，可以先判断一下长度，再决定
这应该就是“背包问题”，一般总是用来演示“遗传算法”……但实际效果都不咋样 不一定是最佳的
说下思路:
数据集按数据量(长度)排序
然后左右两个游标
一个一个判断, 如果满了就找下一个:
package main
import (
"fmt"
"sort"
)
func main() {
capacity := 999
arr := []int{920, 670, 70, 320}
length := len(arr)
sort.Ints(arr)
left := 0
right := length - 1
for left < right {
if arr+arr <= capacity {
length--
right--
}
left++
}
fmt.Printf("%v\n", length)
}
capacity = 999
arr =
length = len(arr)
arr.sort()
left = 0
right = length - 1
while left < right:
if arr+arr <= capacity:
length-=1
right-=1
left+=1
print(length)
感觉可以01背包先尽可能的用长的填满整个列表
然后再删除已经填充的，继续做直到填完
因为已经有999这个长度在这里，实现起来不会很难
可能不会是最优，但应该差距不大 先把数据集按元素个数排序，每次取最大的，然后剩余空间范围内再取尽可能大的，直到塞不下新的数据集，然后再开一个新列表，重复。
页:
[1]