Pandas如何在col1总和≤15000约束下最大化选中行的col2总和

这个需求本质是0-1背包问题：col1列对应背包问题中的物品重量，约束为总重量≤15000，col2列对应物品价值，目标是总价值最大化。

因为你当前的数据集只有7行，总共有128种可选行组合，直接穷举所有子集是最简单的实现方式，不需要依赖额外的算法库，仅用pandas+Python标准库即可完成：

import pandas as pd
from itertools import combinations

# 构造你的DataFrame
df = pd.DataFrame({
    "col1": [1000, 2000, 1500, 3000, 4500, 8500, 6300],
    "col2": [250, 750, 350, 800, 2500, 4450, 1250]
})

weight_limit = 15000
max_total_col2 = 0
best_rows_index = []

# 遍历所有可能的选行数量
for select_n in range(1, len(df)+1):
    # 遍历对应数量的所有索引组合
    for index_group in combinations(df.index, select_n):
        total_col1 = df.loc[index_group, "col1"].sum()
        # 满足重量约束再判断价值
        if total_col1 <= weight_limit:
            total_col2 = df.loc[index_group, "col2"].sum()
            if total_col2 > max_total_col2:
                max_total_col2 = total_col2
                best_rows_index = list(index_group)

# 打印结果
print("最优选中行：")
print(df.loc[best_rows_index])
print(f"col1总和：{df.loc[best_rows_index, 'col1'].sum()}")
print(f"col2最大总和：{max_total_col2}")

运行后输出的最优结果为：
选中索引1、4、5的三行，col1总和刚好为15000，col2总和为7700。

如果后续数据量变大，可以直接使用成熟的整数规划库（如ortools、mip）求解，不需要自己手写动态规划逻辑。

内容的提问来源于stack exchange，提问作者user9996043