案例分析： 众包任务

“拍照赚钱”是移动互联网下的一种自助式服务模式。用户下载APP，注册成为APP会员，然后从APP上领取需要拍照的任务（比如上超市去检查某种商品的上架情况），赚取APP对任务所标定的酬金。这种基于移动互联网的自助式劳务众包平台，为企业提供各种商业检查和信息搜集，相比传统的市场调查方式可以大大节省调查成本，而且有效地保证了调查数据真实性，缩短了调查的周期。因此APP成为该平台运行的核心，而APP中的任务定价又是其核心要素。如果定价不合理，有的任务就会无人问津，而导致商品检查的失败。
附件一是一个已结束项目的任务数据，包含了每个任务的位置、定价和完成情况（“1”表示完成，“0”表示未完成）；附件二是会员信息数据，包含了会员的位置、信誉值、参考其信誉给出的任务开始预订时间和预订限额，原则上会员信誉越高，越优先开始挑选任务，其配额也就越大（任务分配时实际上是根据预订限额所占比例进行配发）。附件一和附件二的表结构如表7-1和表7-2所示。

问题：

（1） 对每一个任务，计算该任务在5公里范围内的任务数量总和，记为Z1。

（2） 对每一个任务，计算该任务在5公里范围内的任务平均价格，记为Z2。

（3） 对每一个任务，计算该任务在5公里范围内的会员个数，记为Z3。

（4） 对每一个任务，计算该任务在5公里范围内的会员信誉平均值，记为Z4。

（5） 对每一个任务，计算该任务在5公里范围内的会员可预订任务限额总和，记为Z5。

图7-1所示圆圈代表任务，三角形代表会员，分布在同一个区域上，位置均由经度和纬度确定。以某个任务为圆心，5公里范围为半径，作一个圆，如图中所示。该任务在5公里范围内有4个任务（包括自身）、2个会员。对该任务来讲，则：

Z1=4；

Z2=对应4个任务定价的平均值

Z3=2

Z4=对应2个会员信誉值的平均值

Z5=对应2个会员预订限额的总和

本案例的关键是在计算任务之间、任务与会员之间的距离，从而确定每个任务在5公里范围内具体包括哪些任务和会员，进而就可以计算其指标值了。

任务完成：计算所有任务的Z1、Z2、Z3、Z4、Z5。

前面介绍了第0个任务点与所有任务（线）、所有会员（线）之间的计算，在此基础上利用循环即可实现所有任务与所有任务、所有会员之间的指标计算。示例代码如下：

import pandas as pd     #导入pandas库

import numpy as np      #导入nmypy库

import math             #导入数学函数模

A=pd.read_excel('附件一：已结束项目任务数据.xls')

B=pd.read_excel('附件二：会员信息数据.xlsx')

# 预定义，存放所有任务的指标Z1、Z2、Z3、Z4、Z5

Z=np.zeros((len(A),5))

for q in range(len(A)):

A_Wq=A.iloc[q,1]  #第q个任务的维度

A_Jq=A.iloc[q,2]  #第q个任务的经度

# 预定义数组D1，用于存放第q个任务与所有任务之间的距离

# 预定义数组D2，用于存放第q个任务与所有会员之间的距离

D1=np.zeros((len(A)))

   D2=np.zeros((len(B)))

for t in range(len(A)):

   A_Wt=A.iloc[t,1]  #第t个任务的维度

   A_Jt=A.iloc[t,2]  #第t个任务的经度

   #第q个任务到第t个任务之间的距离

  dt=111.19*math.sqrt((A_Wq-A_Wt)**2+(A_Jq-A_Jt)**2*math.cos((A_Wq+A_Wt)*math.pi/180)**2); 

   D1[t]=dt

for k in range(len(B)):

             B_WJ=B.iloc[k,1]

             I=B_WJ.find(' ',0,len(B_WJ))

            B_Wk=float(B_WJ[0:I])         

#第k个会员的维度

           B_Jk=float(B_WJ[I:len(B_WJ)]) 

  #第k个会员的经度

 #第q个任务到第k个会员之间的距离

   dk=111.19*math.sqrt((A_Wq-B_Wk)**2+(A_Jq-B_Jk)**2*math.cos((A_Wq+B_Wk)*math.pi/180)**2);

   D2[k]=dk

     Z1=len(D1[D1<=5])

     Z2=A.iloc[D1<=5,[3]].mean()[0]

     Z3=len(D2[D2<=5])    

     Z4=B.iloc[D2<=5,[2,4]].sum()[0]

     Z5=B.iloc[D2<=5,[2,4]].sum()[1]/Z3

     Z[q,0]=Z1

     Z[q,1]=Z2

     Z[q,2]=Z3

     Z[q,3]=Z4

    Z[q,4]=Z5

本案例在指标计算过程中，详细介绍了如何由简单到复杂的程序演化计算过程，也体现了由点到线，再到面的的编程思想。点：即第0个任务与第1个任务、第0个会员之间距离的点对点的计算。线：即第0个任务与所有任务、所有会员之间的由点到线的计算。面：即所有任务与所有任务、所有会员之间的线到面的计算。这种由简单到复杂的程序演化编程思想，对编程具有非常重要的作用。