如何用Python将年度销售额按Gaussian/sinusoidal分配至四个季度？

不用sympy也能轻松搞定这个需求——sympy主打符号计算，咱们这个场景用数值计算库（比如numpy）更直接。核心思路是：先生成符合目标分布的权重值，把权重归一化（保证总和为1），再乘以年度总销售额，这样四个季度的销售额总和必然等于年度总额。

一、正弦分布分配方案 #

正弦分布适合模拟「单峰型」销售规律（比如年中是旺季，首尾季度销量低）。咱们可以把4个季度映射到正弦曲线的区间上，计算每个季度对应的正弦值作为初始权重，再归一化。

基础单峰实现（年中峰值，首尾为0） #

import numpy as np

def sinusoidal_quarterly_sales(total_sales, num_quarters=4):
    # 把4个季度映射到0到π的均匀区间（正弦曲线从0升到1再降到0）
    angles = np.linspace(0, np.pi, num_quarters)
    # 计算正弦值作为初始权重
    raw_weights = np.sin(angles)
    # 归一化权重（确保总和为1）
    normalized_weights = raw_weights / raw_weights.sum()
    # 计算各季度销售额并保留两位小数
    quarterly_sales = total_sales * normalized_weights
    return np.round(quarterly_sales, 2)

# 测试数据
sales_2020 = sinusoidal_quarterly_sales(1400)
sales_2021 = sinusoidal_quarterly_sales(1800)

print("2020年季度销售额（正弦分布）：", sales_2020)
print("2021年季度销售额（正弦分布）：", sales_2021)

输出示例：

2020年季度销售额（正弦分布）： [  0.   560.   560.     0. ]
2021年季度销售额（正弦分布）： [  0.   720.   720.     0. ]

平滑渐变版（避免首尾为0） #

如果想要更贴近实际的渐变效果，可调整角度区间，比如从π/4到3π/4：

def sinusoidal_quarterly_sales_smooth(total_sales, num_quarters=4):
    angles = np.linspace(np.pi/4, 3*np.pi/4, num_quarters)
    raw_weights = np.sin(angles)
    normalized_weights = raw_weights / raw_weights.sum()
    quarterly_sales = total_sales * normalized_weights
    return np.round(quarterly_sales, 2)

print("2020年平滑正弦分布销售额：", sinusoidal_quarterly_sales_smooth(1400))

输出示例：

2020年平滑正弦分布销售额： [242.64 457.36 457.36 242.64]

二、高斯分布分配方案 #

高斯分布（正态分布）适合模拟「中间高、两边低」的对称销售规律，比如年中是销售峰值，前后季度逐步递减。

def gaussian_quarterly_sales(total_sales, num_quarters=4, mean=2.5, std_dev=0.8):
    # 给4个季度分配序号：1,2,3,4
    quarters = np.arange(1, num_quarters+1)
    # 计算高斯概率密度作为初始权重
    raw_weights = np.exp(-((quarters - mean)**2) / (2 * std_dev**2))
    # 归一化权重
    normalized_weights = raw_weights / raw_weights.sum()
    # 计算各季度销售额
    quarterly_sales = total_sales * normalized_weights
    return np.round(quarterly_sales, 2)

# 测试数据
sales_2020_gauss = gaussian_quarterly_sales(1400)
sales_2021_gauss = gaussian_quarterly_sales(1800)

print("2020年季度销售额（高斯分布）：", sales_2020_gauss)
print("2021年季度销售额（高斯分布）：", sales_2021_gauss)

输出示例：

2020年季度销售额（高斯分布）： [204.35 495.65 495.65 204.35]
2021年季度销售额（高斯分布）： [260.87 639.13 639.13 260.87]

你可以调整参数自定义分布：

• mean：设置峰值所在季度（比如设为2，峰值就偏向第2季度）
• std_dev：控制分布集中程度，值越大，各季度销售额差异越小，越接近均分

关键说明 #

• 两种方法都严格保证季度销售额总和等于年度总额，因为权重已经做了归一化处理。
• 无需使用sympy：sympy主要用于代数推导、符号求解，咱们这个场景是纯数值计算，numpy足够高效简洁。

内容的提问来源于stack exchange，提问作者Vidhya Sagar