如何在PULP中创建便于分类求和的三维LpVariable矩阵？

需求回顾 #

需要创建符合以下规则的LpVariable嵌套结构：

• 外层列表元素对应单个type
• 内层为subcat×number维度的变量集合，每个type/subcat固定对应2个number（1和2）

示例目标结构（变量名示意）：

vars = [["1A1", "1A2", "1B1", "1B2"],
        ["2A1", "2A2"]]

你之前的循环写法会生成分散的变量，无法直接按维度聚合操作，以下是最优实现方案：

实现方案 #

前提准备 #

先整理好type与对应subcat的映射关系（如果不同type对应不同subcat），比如：

# 示例映射：键为type标识，值为该type下的subcat列表
type_subcats = {
    '1': ['A', 'B'],
    '2': ['A']
}

方法1：嵌套循环构建结构化列表 #

这种方式逻辑清晰，便于调试和扩展：

from pulp import LpVariable

vars_structured = []

for type_id in type_subcats:
    type_vars = []
    for subcat in type_subcats[type_id]:
        # 为当前type/subcat创建两个number对应的变量
        var1 = LpVariable(f"{type_id}{subcat}1", cat='Binary')
        var2 = LpVariable(f"{type_id}{subcat}2", cat='Binary')
        type_vars.extend([var1, var2])
    vars_structured.append(type_vars)

方法2：列表推导式简化写法 #

如果逻辑确定，可使用更简洁的嵌套列表推导：

vars_structured = [
    [
        LpVariable(f"{t}{s}{n}", cat='Binary')
        for s in type_subcats[t]
        for n in [1, 2]
    ]
    for t in type_subcats
]

便捷的聚合操作示例 #

有了结构化列表后，按维度求和非常方便：

• 对整个type的所有变量求和：sum(vars_structured[0])（对应示例中的type1）
• 对type下特定subcat的两个变量求和：比如type1的subcat A，取sum(vars_structured[0][0:2])；subcat B取sum(vars_structured[0][2:4])

如果需要更灵活的索引（比如通过type/subcat/number直接定位变量），可以同时维护一个字典映射：

var_map = {}
for t in type_subcats:
    for s in type_subcats[t]:
        for n in [1, 2]:
            var = LpVariable(f"{t}{s}{n}", cat='Binary')
            var_map[(t, s, n)] = var

# 求和示例：type1下subcat A的两个变量
sum(var_map[('1', 'A', n)] for n in [1,2])

内容的提问来源于stack exchange，提问作者J. Doe