如何在Python中使用多索引DataFrame改写Pyomo约束？

问题背景 #

之前用单索引DataFrame（Q1/Q2/Q3）写Pyomo约束时运行正常，但切换为多索引DataFrame dftmax 后出现索引错误：

• 用 dftmax.iloc[t, k, i] 触发 pandas.errors.IndexingError: Too many indexers
• 用 dftmax.loc[(t,k), column_name] 触发 KeyError: 0

需求是根据k值从dftmax中正确取数，使得k=0时约束为：dft[i, k, t] <= dftmax.iloc[i,0,t]（i取0-3，t取0-23）。

错误原因 #

1. iloc参数超量：DataFrame是二维结构，iloc仅接受「行索引、列索引」两个维度的参数，传三个参数必然报错。
2. loc索引不匹配：传入的索引元组和dftmax的多索引结构不对应（比如误把t当成行索引的一部分，而非列或另一级索引）。

解决方案 #

根据dftmax的多索引结构（参考提供的结构示意图），选择对应索引方式，以下是两种常见结构的适配代码：

情况1：dftmax行索引为i（0-3），列索引为MultiIndex(k, t)（k=0/1/2，t=0-23） #

L_model.constraint_b1 = pyo.ConstraintList()
for i in range(len(initial_demand)):
    for k in range(Nb):
        for t in demand.index:
            # 直接通过多索引定位对应值
            max_demand = dftmax.loc[i, (k, t)]
            L_model.constraint_b1.add(dft[i, k, t] <= max_demand)

情况2：dftmax行索引为MultiIndex(i, k)，列索引为t（0-23） #

L_model.constraint_b1 = pyo.ConstraintList()
for i in range(len(initial_demand)):
    for k in range(Nb):
        for t in demand.index:
            # 通过行多索引+列索引定位
            max_demand = dftmax.loc[(i, k), t]
            L_model.constraint_b1.add(dft[i, k, t] <= max_demand)

代码优化说明 #

• 删掉了原代码里冗余的bl_inx循环，直接用k值匹配多索引层级，逻辑更简洁。
• 用loc替代iloc做索引，可读性更强且不易出错（如果必须用整数索引，可先获取对应层级的位置再用iloc）。

内容的提问来源于stack exchange，提问作者Nasim Eslaminia