Question

我正在尝试将Pyomo模型输出放入pandas.DataFrame行中。我现在通过将数据另存为.csv，然后将.csv文件读取为DataFrame来完成它。我想跳过.csv步骤，将输出直接放入DataFrame。

当我用Pyomo完成优化解决方案时，最优分配是在1输出数据中的model.x[i]（否则为0）。 model.x[i]由dict中的v键索引。 model.x是Pyomo

的特定语法

Pyomo为表示最佳解决方案的每个值分配一个timeItem[i]，platItem[i]，payItem[i]，demItem[i]，v[i]。 0807results.csv文件会生成一个准确的最佳分配文件，显示每个文件的timeItem[i]，platItem[i]，payItem[i]，demItem[i]，v[i]的值最优解中的有效分配。

当model.x[i]为1时，如何直接获得timeItem[i]，platItem[i]，payItem[i]，demItem[i]，v[i]变成DataFrame？非常感谢您的协助。我当前的代码如下。

index=sorted(v.keys())
with open('0807results.csv', 'w') as f:
    for i in index:
        if value(model.x[i])>0:
            f.write("%s,%s,%s,%s,%s\n"%(timeItem[i],platItem[i],payItem[i], demItem[i],v[i]))

from pandas import read_csv      
now = datetime.datetime.now()
dtg=(now.strftime("%Y%m%d_%H%M"))
df = read_csv('0807results.csv')
df.columns = ['Time', 'Platform','Payload','DemandType','Value']
# convert payload types to string so not summed 
df['Payload'] = df['Payload'].astype(str)
df = df.sort_values('Time')
df.to_csv('results'+(dtg)+'.csv')
# do stats & visualization with pandas df

Answer 1

我不知道您发布的代码中timeItem等可迭代项中的内容。但是，我怀疑类似的内容：

import pandas as pd
results = pd.DataFrame([timeItem, platItem, payItem, demItem, v], index=["time", "plat", "pay", "dem", "v"]).T

会工作的。

如果要在1中的model.x上进行过滤，则也可以将其添加为列，并直接使用pandas进行过滤：

import pandas as pd
results = pd.DataFrame([timeItem, platItem, payItem, demItem, v, model.x], index=["time", "plat", "pay", "dem", "v", "x"]).T
filtered_results = results[results["x"]>0]

Answer 2

您还可以使用DataFrame.from_records()函数：

def record_generator():
    for i in sorted(v.keys()):
        if value(model.x[i] > 1E-6):  # integer tolerance
            yield (timeItem[i], platItem[i], payItem[i], demItem[i], v[i])

df = pandas.DataFrame.from_records(
    record_generator(), columns=['Time', 'Platform', 'Payload', 'DemandType', 'Value'])

将模型输出追加到pd df行

2 个答案: