动态更改变量名称，评估和填充字典

Question

我用pyomo和gurobi来解决优化问题。现在我有 5 个变量，它们的名称类似于 model.str，其中 str 可以是 [x, y, z, w, s]。我想用这些字符串中的每一个替换 str 并对其进行 20 次迭代评估。例如，我需要 model.x[1]、model.x[2] 等值。我使用了以下代码，它不是很好但几乎得到了我的结果：

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))

这段代码的结果是：

{'model.x1': 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, 'model.x[19]': 21000.0, 'model.x[20]': 21000.0, 'model.y1': 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, 'model.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.z1': 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.w1': 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, 'model.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.s1': 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, 'model.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}

但是我需要的是为字典键 x 放置每个 model.x[i] 值，这样我就有了一个包含 x、y、[=25 的字典=]、w、s 作为键，它们的值作为列表中的值，例如最后创建一个 pandas 数据框。

我确信有更好的方法，因为在每次迭代中创建变量名不是很有效，而且我对 Python 还很陌生。如有必要，为了清楚起见，我还可以提供其余代码，因此如果我需要提供更多详细信息，请告诉我。

在此先感谢您的帮助。

更新解决方案 在收到亲爱的 Matthew 的一些重要提示后，我想到了以下解决方案：

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)

输出：

    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

Answer 1

我不得不在无法访问 model.T 和 pe.value(eval(var_name)) 的情况下即兴发挥，但我认为这接近您想要的。我使用 f-string 来清理你的 var_name 语法。接下来，我们使用 .get() 检查键是否已经在 the_dict 中，并根据需要扩展或追加。否则，我们创建一个新密钥。最后，我们可以将 the_dict 传递给 DataFrame 构造函数。

如果这对您不起作用，post 发表评论，我会提供帮助，直到它起作用为止。为 model.T 提供示例列表将大有帮助。

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 输出：

{'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]}

现在让我们制作一个pandas df.

df = pd.DataFrame(the_dict)

df 输出：

    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

动态更改变量名称，评估和填充字典

Changing variable names dynamically, evaluating and populating a dictionary

python

dictionary

python-3.x

pandas

pyomo