使用列表推导创建PuLP LPConstraint时报KeyError: (0, 'num')如何处理

1. 直接触发KeyError: (0, 'num')的原因：
   计算total_rides的代码行中使用了ride_list[i,'num']的索引写法，pandas原生的[]索引不支持直接传入(行序号, 列名)格式的元组，只有.loc/.iloc索引器支持该格式。你单独测试时用了ride_list.loc[0,'num']所以可以正常输出，这行漏写.loc就会把(i, 'num')当成整体的键去匹配DataFrame的列名，自然找不到对应键。
2. 隐藏的模型逻辑错误：
   你对PuLP决策变量的定义和使用完全不符合要求：
   • 定义pulp.LpVariable.dicts时，第二个参数应该是变量的索引列表（也就是所有游乐项目的序号列表rides），但你传的是提前写死为0的ride_list.loc[i, 'num']，会导致所有变量的索引重合，无法对应到每个游乐项目
   • 目标函数、时间约束的代码中，全部使用了固定为0的ride_list.loc[i,'num']常量，完全没有用到你定义的决策变量，模型根本无法求解出最优的游玩次数
3. 约束定义语法错误：
   pulp.LpConstraint的参数顺序错误，第一个参数应为约束表达式，第二个才是约束名称，你把两者顺序写反了。

import pandas as pd
import pulp

ride_list = pd.read_csv('RideData.csv')
num_rides = ride_list.shape[0]
rides = list(range(num_rides))
min_times = 0 # 每个项目最低游玩次数
max_times = 2 # 每个项目最高游玩次数
time_between = 0.25 # 项目间转场耗时，单位小时
food_time = 2.5 # 用餐休息总耗时，单位小时
hours_open = 12 # 乐园总开放时长，单位小时

# 初始化模型
model = pulp.LpProblem('Maximimize ride enjoyment', pulp.LpMaximize)

# 定义决策变量：x[i]代表第i个项目的游玩次数
x = pulp.LpVariable.dicts("times",
                          rides, 
                          lowBound=min_times,
                          upBound=max_times,
                          cat='Integer')

# 设置目标函数：最大化总评分
model += pulp.lpSum([ride_list.loc[i,'ride'] * ride_list.loc[i,'rating'] * x[i] for i in rides])

# 设置总时间约束
total_rides = pulp.lpSum([x[i] for i in rides])
# 总耗时 = 所有项目的等待+乘坐总时长 + 转场总时长，不超过可用时长
model += (pulp.lpSum([((ride_list.loc[i,'wait'] * x[i]) + (ride_list.loc[i,'ride'] * x[i])) for i in rides]) + ((total_rides - 1) * time_between)) <= (hours_open - food_time), "total_ride_time"

# 求解模型
model.solve()
# 输出结果
for i in rides:
    print(f"项目{ride_list.loc[i, 'name']}游玩次数：{x[i].value()}")
print(f"总评分：{pulp.value(model.objective)}")

内容的提问来源于stack exchange，提问作者dhunton