前端之家

  1. 首页
  2. 问答

将输出变量拆分为大小相似的数据框，然后合并它们

• 问答

我的问题：尝试将输出变量拆分为大小相似的数据框并合并它们。

模型输出：“ var” 

{('Product1',0): <gurobi.Var listing[Product1,0] (value 1.0)>,('Product1',1): <gurobi.Var listing[Product1,1] (value 0.0)>,2): <gurobi.Var listing[Product1,2] (value 0.0)>,3): <gurobi.Var listing[Product1,3] (value 0.0)>,('Product2',0): <gurobi.Var listing[Product2,1): <gurobi.Var listing[Product2,2): <gurobi.Var listing[Product2,3): <gurobi.Var listing[Product2,('Product3',0): <gurobi.Var listing[Product3,1): <gurobi.Var listing[Product3,2): <gurobi.Var listing[Product3,3): <gurobi.Var listing[Product3,3] (value 0.0)>}
<class 'gurobipy.tupledict'>

所需的输出： 所需的输出应如下所示：

                    0    1    2    3                                
Product1          1.0  0.0  0.0  0.0
Product2          1.0  0.0  0.0  0.0
Product3          0.0  0.0  0.0  1.0
<class 'pandas.core.frame.DataFrame'>

我（非常手动）尝试：

1）我将输出变量转换为数据框“ df_listing”：

dict_listing = {k : v.X for k,v in var.items()}
df_listing = pd.DataFrame.from_dict(dict_listing,orient='index')
df_listing = df_listing.rename(columns = {0: 'listing'})

               listing
(Product1,0)      1.0
(Product1,1)      0.0
(Product1,2)      0.0
(Product1,3)      0.0
(Product2,0)      1.0
(Product2,1)      0.0
(Product2,2)      0.0
(Product2,3)      0.0
(Product3,0)      0.0
(Product3,1)      0.0
(Product3,2)      0.0
(Product3,3)      1.0
<class 'pandas.core.frame.DataFrame'>

2）转置“ df_listing”：

df_listing = df_listing.transpose()

3）使用k，它是列数-在这种情况下为4-> 0,1,2,3 

df_Product1 = df_listing.iloc[:,0*k:1*k]
df_Product1.columns = list(range(k))
df_Product2 = df_listing.iloc[:,1*k:2*k]
df_Product2.columns = list(range(k))
df_Product3 = df_listing.iloc[:,2*k:3*k]
df_Product3.columns = list(range(k))

4）连接三个数据框

input = [df_Product1,df_Product2,df_Product3]
df_facingsProductAll = pd.concat(input)

我的尝试是非常手动的，所以我正在寻找a）一种更自动化的解决方案，可能使用for循环，而b）具有更多的动态代码，以使输入可以更多产品，例如5个产品，

感谢您对男孩和女孩的帮助！

t8649 回答：将输出变量拆分为大小相似的数据框，然后合并它们

您可以尝试

import pandas as pd
from io import StringIO

txt = """
               listing
(Product1,0)      1.0
(Product1,1)      0.0
(Product1,2)      0.0
(Product1,3)      0.0
(Product2,0)      1.0
(Product2,1)      0.0
(Product2,2)      0.0
(Product2,3)      0.0
(Product3,0)      0.0
(Product3,1)      0.0
(Product3,2)      0.0
(Product3,3)      1.0"""

df = pd.read_csv(StringIO(txt),delim_whitespace=True)

df = df.reset_index()

# split index and concat to df

df = pd.concat([df,pd.DataFrame(df["index"].str.split(",")\
                                        .values.tolist(),columns=["a","b"])],axis=1)

df = df.drop("index",axis=1)

# remove brackets
df["a"] = df["a"].str[1:]
df["b"] = df["b"].str[:-1].astype(int)

out = pd.pivot_table(df,index="a",columns="b",values="listing")

输出

b           0    1    2    3
a                           
Product1  1.0  0.0  0.0  0.0
Product2  1.0  0.0  0.0  0.0
Product3  0.0  0.0  0.0  1.0

更新

如果您的空白为(Product1,0)，则可以执行以下操作：

txt = """
               listing
(Product1,delim_whitespace=True)

df = df.reset_index()\
       .rename(columns={"level_0":"a","level_1":"b"})
# remove brackets
df["a"] = df["a"].str[1:-1]
df["b"] = df["b"].str[:-1].astype(int)
,

以下是示例数据的简短版本：

import pandas as pd
df = pd.DataFrame({'product': [('Product 1',0),('Product 1',1),('Product 2',1)],'listing': [1.0,0.0,1.0,0.0]})
df

enter image description here 然后重置索引列以从“索引”中拆分产品名称

df['prod_indx'] = df['product'].apply(lambda x: x[1])
df['product'] = df['product'].apply(lambda x: x[0])

enter image description here

然后枢轴

output = pd.pivot_table(df,values='listing',columns='prod_indx',index='product',aggfunc=sum)
print(output)

enter image description here

gurobipandas
本文链接：https://www.f2er.com/3071277.html

大家都在问