对于一个优化问题，我试图在PYOMO中定义一个约束，其中约束表达式包含来自pandas数据帧的一些特定值。
我会尽量用简洁的方式解释我的问题。
以下是进口商品。
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))
目标函数如下所示：
model.Total_weight = Objective(expr= model.t1*model.d1, sense= minimize )
为了构造约束表达式，我使用了数据帧中的一些值。
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
当前想法：
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的唯一用途是向约束表达式输入值。这与优化模型无关。
model.C1 = Constraint(expr = v1 + v2 *model.d1 <= 2.1)
但是我在执行这个想法时犯了以下错误
---------------------------------------------------------------------------
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'
据我所知，python将v1和v2视为“浮点”和模型。d1被视为“非类型”。我试图通过向变量模型添加initialize来运行模型。d1。但它似乎仍然是“非类型”。
有人能帮我解决这个问题吗？
事先非常感谢。
PS:模型。d1。display（）提供以下输出。
d1 : Size=1, Index=None
Key : Lower : Value : Upper : Fixed : Stale : Domain
None : 0.8 : 0.9 : 1.0 : False : False : Reals
因此，您可能偶然发现了一个小错误，即当pyomo变量是单例时，pyomo如何与Numpy值交互......我认为这种情况不会经常出现，因为在处理索引的pyomo变量时，问题不会暴露自己，这是迄今为止大多数情况。您的是非索引单例。
首先，让我们让您的模型工作。将df中的值转换为浮点数，这样就可以了。
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()
可疑的虫子。。。
根据我的理解，这两项都应该执行。我几乎从来没有处理过w/单例变量（没有索引），所以这里可能还有其他事情正在进行。我会把它作为一个bug提交给pyomo的人，看看会有什么结果。
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...
