[英]TypeError PYOMO: Defining constraints based on pandas dataframe
对于优化问题,我试图在 PYOMO 中定义一个约束,其中约束表达式包括来自 pandas DataFrame 的一些特定值。
我将尝试以简洁的方式解释我的问题。
以下是进口。
from pyomo.environ import *
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from pyomo.opt import SolverFactory
model = ConcreteModel()
以下是决策变量。
model.d1 = Var(bounds=(0.8,1.0), initialize = 0.9)
model.t1 = Var(bounds=(0.1,0.3))
物镜 function 如下:
model.Total_weight = Objective(expr= model.t1*model.d1, sense= minimize )
为了制定约束表达式,我使用了 DataFrame 中的一些值。
DataFrame 看起来像这样:
r1 = [50.05,60.0,70]
r2 = [100,150,200]
df = pd.DataFrame([r1,r2])
0 1 2
0 50.05 60.0 70
1 100.00 150.0 200
目前的想法:
我将 df 中的一些值分配给变量,以便在约束表达式中使用(如下所示)。
v1 = df.iloc[0, 1]
v2 = df.iloc[1,1]
v1 和 v2 的唯一目的是为约束表达式输入值。 与优化model无关。
model.C1 = Constraint(expr = v1 + v2 *model.d1 <= 2.1)
但是我在执行这个想法时遇到了以下错误
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
<ipython-input-9-a9a7f2887bcb> in <module>
----> 1 model.C1 = Constraint(expr = v1 + v2 *model.d1)
TypeError: unsupported operand type(s) for *: 'float' and 'NoneType'
据我了解,python 将 v1 和 v2 视为“float”,而 model.d1 被视为“NoneType”。 我尝试通过将initialize
添加到变量 model.d1 来运行 model。 但它似乎仍然是“NoneType”。
有人可以帮我解决这个问题吗?
非常感谢您提前。
PS: model.d1.display()
给出以下 output。
d1 : Size=1, Index=None
Key : Lower : Value : Upper : Fixed : Stale : Domain
None : 0.8 : 0.9 : 1.0 : False : False : Reals
因此,当pyomo
变量为numpy
pyomo
交互的一个小错误……我认为这不会经常出现,因为在处理索引pyomo
变量时问题不会暴露出来,这是目前大多数情况。 你的是非索引单例。
首先,让您的 model 工作。 将来自您的df
的值转换为浮点数,这可以正常工作。
from pyomo.environ import *
#import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
#from pyomo.opt import SolverFactory
model = ConcreteModel()
model.d1 = Var(bounds=(0.8,1.0), domain=NonNegativeReals)
model.t1 = Var(bounds=(0.1,0.3), domain=NonNegativeReals)
r1 = [50.05,60.0,70]
r2 = [100,150,200]
df = pd.DataFrame([r1,r2])
v1 = float(df.iloc[0, 1]) # NOTE the float() conversion
v2 = float(df.iloc[1, 1]) # NOTE the float() conversion
model.C1 = Constraint(expr=v1 + v2 * model.d1 <= 2.1)
model.pprint()
疑似bug...
这两个都应该按照我的理解来执行。 我几乎从不处理 singleton 变量(未编入索引),所以这里可能还有其他事情要做。 我会尝试将此作为错误提交给 pyomo 人,看看会发生什么。
from pyomo.environ import *
import numpy as np
c = np.float64(1.5) # a numpy float like what comes out of a pd dataframe...
model_1 = ConcreteModel()
model_1.x = Var()
# a simple expression
e = c * model_1.x # FAILS! TypeError: unsupported operand type(s) for *: 'float' and 'NoneType'
model_2 = ConcreteModel()
model_2.S = Set(initialize = [1,]) # indexing set with 1 member
model_2.x = Var(model_2.S)
# same expression
e2 = c * model_2.x[1] # Works fine...
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.