如何生成AnyLogic存量-流量模型时间序列DataFrame并导出至Excel？

完全可行，核心逻辑是先按时间步捕获各存量数值，整理成结构化数据后再导出至Excel。以下是具体实现步骤：

一、捕获时间序列数据 #

首先需要在模型运行过程中，按时间单位记录存量数值：

• 创建一个Dataset对象（命名为stockTimeSeries），在属性面板设置列名：Time、Stock1、Stock2（对应你的存量名称）。
• 添加一个时间事件，设置触发间隔为1个时间单位（和模型时间单位一致），在事件的动作中写入代码：

  // 依次写入当前时间、各存量的当前值
  stockTimeSeries.add(getTime(), stock1.get(), stock2.get());
  

  若模型时间步长不固定，也可在存量的onChange事件中记录数据，确保每次存量变化都被捕获。

二、转换为DataFrame #

根据需求选择以下两种方式之一：

方式1：使用AnyLogic内置DataFrame #

直接从已记录的Dataset转换：

import com.anylogic.engine.analysis.DataFrame;

DataFrame df = DataFrame.fromDataset(stockTimeSeries);

方式2：使用Python pandas DataFrame #

通过AnyLogic的Python集成实现：

1. 在模型中添加Python脚本组件，先将Dataset数据转为二维列表传递给Python：

   import java.util.ArrayList;
   import java.util.Arrays;
   import java.util.List;
   
   List<List<Object>> rawData = new ArrayList<>();
   // 添加表头
   rawData.add(Arrays.asList("Time", "Stock1", "Stock2"));
   // 遍历Dataset添加数据行
   for (int i = 0; i < stockTimeSeries.getRowCount(); i++) {
       rawData.add(Arrays.asList(
           stockTimeSeries.getDouble(i, 0),
           stockTimeSeries.getDouble(i, 1),
           stockTimeSeries.getDouble(i, 2)
       ));
   }
   // 传递给Python脚本
   python.set("raw_data", rawData);
   

2. 在Python脚本中转换为pandas DataFrame：

   import pandas as pd
   
   df = pd.DataFrame(raw_data[1:], columns=raw_data[0])
   

三、导出至Excel #

方式1：AnyLogic内置Excel导出工具 #

直接导出Dataset或DataFrame：

ExcelWriter writer = new ExcelWriter();
// 将Dataset写入Excel的"Stock Data"工作表，从A1单元格开始
writer.writeDataset(stockTimeSeries, "Stock Data", 0, 0);
// 保存到实验输出目录（避免路径问题）
String outputPath = getModel().getExperiment().getOutputDirectory() + "/存量时间序列数据.xlsx";
writer.save(outputPath);
writer.close();

方式2：Python pandas导出 #

如果用了pandas DataFrame，直接调用导出方法：

df.to_excel("存量时间序列数据.xlsx", index=False)

注意事项 #

• 确保Dataset的列数与写入的数据数量一致，避免索引越界错误。
• 若模型数据量较大，建议设置Dataset的最大行数限制，或分批导出，防止内存占用过高。
• 时间事件的触发间隔需与模型时间单位匹配，保证时间序列的连续性。

内容的提问来源于stack exchange，提问作者Alex