我使用pyomoandgurobi來解決優化問題。現在我有 5 個變數，其名稱類似于model.strwhere strcan be [x, y, z, w, s]。我想str用這些字串中的每一個替換并評估它進行 20 次迭代。例如model.x[1]，我需要model.x[2]等的值。我使用了以下代碼，這不是很好，但幾乎得到了我的結果：
dict = {}
var_names = ["x", "y", "z", "w", "s"]
for i in var_names:
for t in model.T:
var_name = "model." str(i) "[" str(t) "]"
dict[var_name] = pe.value(eval(var_name))
這段代碼的結果是：
{'model.x 1 ': 5000.0, 'model.x[2]': 5000.0, 'model.x[3]': 6000.0, 'model.x[4]': 7000.0, 'model.x[5] ': 8000.0, 'model.x[6]': 9000.0, 'model.x[7]': 10000.0, 'model.x[8]': 11000.0, 'model.x[9]': 12000.0, 'model .x[10]': 13000.0, 'model.x[11]': 14000.0, 'model.x[12]': 15000.0, 'model.x[13]': 16000.0, 'model.x[14]' ：17000.0，'model.x[15]'：18000.0，'model.x[16]'：19000.0，'model.x[17]'：20000.0，'model.x[18]'：21000.0，'模型。 x[19]'：21000.0，'model.x[20]'：21000.0，'model.y 1': 0.0, 'model.y[2]': 0.0, 'model.y[3]': 0.0, 'model.y[4]': 0.0, 'model.y[5]': 0.0, 'model .y[6]': 0.0, 'model.y[7]': 0.0, 'model.y[8]': 0.0, 'model.y[9]': 0.0, 'model.y[10]' ：0.0，'model.y[11]'：0.0，'model.y[12]'：0.0，'model.y[13]'：0.0，'model.y[14]'：0.0，'模型。 y[15]'：0.0，'model.y[16]'：0.0，'model.y[17]'：0.0，'model.y[18]'：0.0，'model.y[19]'： 0.0, 'model.y[20]': 0.0, 'model.z 1': 0.0, 'model.z[2]': 0.0, 'model.z[3]': 1000.0, 'model.z[4]': 1000.0, 'model.z[5]': 1000.0, 'model .z[6]': 1000.0, 'model.z[7]': 1000.0, 'model.z[8]': 1000.0, 'model.z[9]': 1000.0, 'model.z[10]' : 1000.0, 'model.z[11]': 1000.0, 'model.z[12]': 1000.0, 'model.z[13]': 1000.0, 'model.z[14]': 1000.0, 'model. z[15]': 1000.0, 'model.z[16]': 1000.0, 'model.z[17]': 1000.0, 'model.z[18]': 1000.0, 'model.z[19]': 0.0, 'model.z[20]': 0.0, 'model.w 1': 4000.0, 'model.w[2]': 5000.0, 'model.w[3]': 6000.0, 'model.w[4]': 7000.0, 'model.w[5]': 8000.0, 'model .w[6]': 9000.0, 'model.w[7]': 10000.0, 'model.w[8]': 11000.0, 'model.w[9]': 12000.0, 'model.w[10]' ：13000.0，'model.w[11]'：14000.0，'model.w[12]'：15000.0，'model.w[13]'：16000.0，'model.w[14]'：17000.0，'模型。 w[15]'：18000.0，'model.w[16]'：19000.0，'model.w[17]'：20000.0，'model.w[18]'：21000.0，'model.w[19]'： 21000.0，'model.w[20]'：21000.0，'model.s 1': 0.0, 'model.s[2]': 0.0, 'model.s[3]': 0.0, 'model.s[4]': 0.0, 'model.s[5]': 0.0, 'model .s[6]': 0.0, 'model.s[7]': 0.0, 'model.s[8]': 0.0, 'model.s[9]': 0.0, 'model.s[10]' ：0.0，'model.s[11]'：0.0，'model.s[12]'：0.0，'model.s[13]'：0.0，'model.s[14]'：0.0，'模型。 s[15]': 0.0, 'model.s[16]': 0.0, 'model.s[17]': 0.0, 'model.s[18]': 0.0, 'model.s[19]': 1000.0，'model.s[20]'：2000.0}
但是，我需要為model.x[i]字典鍵放置每個值，x以便我有一個字典，其中x, y, z, w,s作為鍵，它們的值作為串列中的值，例如pandas最后創建一個資料框。
我確信有更好的方法可以做到這一點，因為在每次迭代中創建變數名效率不高，而且我對 Python 還很陌生。如有必要，為了清楚起見，我還可以提供其余代碼，所以如果我需要提供更多詳細資訊，請告訴我。
我提前感謝您的幫助。
更新的解決方案 在收到親愛的Matthew的一些重要提示后，我想出了以下解決方案：
var_names = ["x", "y", "z", "w", "s"]
dict = {}
for i in var_names:
var_name = f"model.{i}"
for t in model.T:
var = f"model.{i}[{t}]"
if str(var_name) in dict:
dict[str(var_name)].append(pe.value(eval(var)))
else :
dict[str(var_name)] = [pe.value(eval(var))]
import pandas as pd
df = pd.DataFrame(dict)
print(df)
輸出：
model.x model.y model.z model.w model.s
0 5000.0 0.0 0.0 4000.0 0.0
1 5000.0 0.0 0.0 5000.0 0.0
2 6000.0 0.0 1000.0 6000.0 0.0
3 7000.0 0.0 1000.0 7000.0 0.0
4 8000.0 0.0 1000.0 8000.0 0.0
5 9000.0 0.0 1000.0 9000.0 0.0
6 10000.0 0.0 1000.0 10000.0 0.0
7 11000.0 0.0 1000.0 11000.0 0.0
8 12000.0 0.0 1000.0 12000.0 0.0
9 13000.0 0.0 1000.0 13000.0 0.0
10 14000.0 0.0 1000.0 14000.0 0.0
11 15000.0 0.0 1000.0 15000.0 0.0
12 16000.0 0.0 1000.0 16000.0 0.0
13 17000.0 0.0 1000.0 17000.0 0.0
14 18000.0 0.0 1000.0 18000.0 0.0
15 19000.0 0.0 1000.0 19000.0 0.0
16 20000.0 0.0 1000.0 20000.0 0.0
17 21000.0 0.0 1000.0 21000.0 0.0
18 21000.0 0.0 0.0 21000.0 1000.0
19 21000.0 0.0 0.0 21000.0 2000.0
uj5u.com熱心網友回復：
我不得不在沒有訪問權限的情況下即興創作model.T，pe.value(eval(var_name))但我認為這接近你想要的。我使用了一個f 字串來清理你的var_name語法。接下來我們檢查一個鍵是否已經在the_dict.get() 中，并根據需要進行擴展或附加。否則，我們創建一個新密鑰。最后，我們可以只傳遞the_dict給 DataFrame 建構式。
如果這對您不起作用，請發表評論，我會提供幫助，直到它起作用為止。提供一個樣本串列model.T將是一個很大的幫助。
import random
import pandas as pd
the_dict = {}
var_names = ["x", "y", "z", "w", "s"]
model_t = [1, 2, 3, 1, 2, 3, 1, 2, 3]
for i in var_names:
for t in model_t:
var_name = f"model.{i}[{t}]"
if the_dict.get(var_name, False):
if isinstance(var_name, list):
the_dict[var_name].extend(random.randint(3, 9))
else:
the_dict[var_name].append(random.randint(3, 9))
else:
the_dict[var_name] = [random.randint(3, 9)]
the_dict 輸出：
{'model.x[1]': [3, 8, 5],
'model.x[2]': [8, 3, 9],
'model.x[3]': [9, 6, 7],
'model.y[1]': [7, 4, 5],
'model.y[2]': [3, 6, 6],
'model.y[3]': [6, 7, 4],
'model.z[1]': [6, 9, 9],
'model.z[2]': [8, 8, 7],
'model.z[3]': [7, 4, 5],
'model.w[1]': [4, 9, 3],
'model.w[2]': [5, 9, 5],
'model.w[3]': [4, 9, 5],
'model.s[1]': [4, 8, 5],
'model.s[2]': [7, 6, 7],
'model.s[3]': [9, 5, 8]}
現在讓我們制作一個 pandas df。
df = pd.DataFrame(the_dict)
df 輸出：
model.x[1] model.x[2] model.x[3] model.y[1] model.y[2] model.y[3]...
0 3 8 9 7 3 6
1 8 3 6 4 6 7
2 5 9 7 5 6 4
轉載請註明出處，本文鏈接：https://www.uj5u.com/net/436674.html
標籤：Python python-3.x 熊猫 字典 皮莫
上一篇：回圈時如何從字典中彈出？