如何通过Pandas或CSV读取器向Pyomo Concrete模型参数导入CSV数据？

方法一：使用Pandas（推荐，处理复杂数据更高效） #

假设你有两个CSV文件：

• time_set.csv：单列存储时间步，表头为Time，每行一个时间标识（如t1、t2）
• time_data.csv：第一列为时间步，后续列对应各参数（如demand、price）

步骤示例： #

1. 导入依赖库

import pandas as pd
from pyomo.environ import ConcreteModel, Set, Param

2. 读取时间集并创建Pyomo集合

# 读取时间集文件
time_df = pd.read_csv('time_set.csv')
# 提取时间步列表
time_steps = time_df['Time'].tolist()

# 初始化Concrete模型
model = ConcreteModel()
# 创建时间集合
model.T = Set(initialize=time_steps)

3. 读取参数数据并映射到Pyomo参数

# 读取参数数据文件，将时间列设为索引
data_df = pd.read_csv('time_data.csv').set_index('Time')

# 为每个参数创建字典并导入模型
# 需求参数
model.demand = Param(model.T, initialize=data_df['demand'].to_dict())
# 价格参数
model.price = Param(model.T, initialize=data_df['price'].to_dict())

如果你的数据文件结构是参数为行、时间为列，只需转置数据后再转字典：

data_dict = data_df.T.to_dict('index')
model.demand = Param(model.T, initialize=data_dict['demand'])

方法二：使用Python原生csv模块（无额外依赖） #

如果不想引入Pandas，可直接用标准库读取：

步骤示例： #

1. 导入依赖库

import csv
from pyomo.environ import ConcreteModel, Set, Param

2. 读取时间集

time_steps = []
with open('time_set.csv', 'r') as f:
    reader = csv.reader(f)
    next(reader)  # 跳过表头行
    for row in reader:
        time_steps.append(row[0])

model = ConcreteModel()
model.T = Set(initialize=time_steps)

3. 读取参数数据并构建字典

demand_dict = {}
price_dict = {}

with open('time_data.csv', 'r') as f:
    # 按列名读取
    reader = csv.DictReader(f)
    for row in reader:
        t = row['Time']
        # 转换数据类型为浮点数（Pyomo参数默认支持数值类型）
        demand_dict[t] = float(row['demand'])
        price_dict[t] = float(row['price'])

# 将字典导入模型参数
model.demand = Param(model.T, initialize=demand_dict)
model.price = Param(model.T, initialize=price_dict)

注意事项 #

• 确保时间集文件中的时间标识与数据文件中的完全匹配，否则Pyomo会抛出索引不存在的错误
• 若参数是多维度（如时间+设备集），只需将数据整理为元组键的字典（如{(t1, dev1): value}），再传入Param的initialize参数
• 处理非数值型数据时，需根据Pyomo参数的类型要求做对应转换

内容的提问来源于stack exchange，提问作者Pwrpyth