PySpark结合Pulp做FTE利润优化时int与NoneType相乘报错求助

• 1. 修复Spark代码语法错误
     你提供的Spark过滤逻辑缺失右括号，会导致过滤规则不生效，混入不符合要求的数据：

  # 错误写法
  .filter(F.col("Channel")=="A"
  # 修正后
  .filter(F.col("Channel")=="A")
  

  同时新增ftes > 0的过滤规则，避免除以0生成的NaN在转换为Python类型时变为None：

  .filter(F.col("ftes") > 0)
  

• 2. 修正数据采集逻辑，避免多次collect导致的长度不匹配
     分开三次采集字段如果遇到Spark数据并发变更，会出现三个列表长度不一致的问题，zip后部分key对应的值为None，改为一次性采集所有字段：

  rows = US_AEI.select("Customer_Name", "profit", "profit_per_fte", "ftes").collect()
  profit_per_fte = {}
  ftes = {}
  profit = {}
  for row in rows:
      profit_per_fte[row.Customer_Name] = row.profit_per_fte
      ftes[row.Customer_Name] = row.ftes
      profit[row.Customer_Name] = row.profit
  keys = list(profit_per_fte.keys())
  

• 3. 校验重复客户名
     如果存在重复的Customer_Name，LpVariable.dicts生成变量时会出现覆盖，后续访问重复key的变量会返回None，可通过以下代码校验：

  assert len(keys) == len(set(keys)), "存在重复客户名"
  

你当前的目标函数定义错误，你要最大化的是总利润，不是单位FTE利润的和，正确的目标函数写法为：

prob += lpSum([profit[i] * customer_vars[i] for i in keys])

• 1. 决策变量简化
     不需要单独定义渠道启用变量，直接定义客户-渠道维度的二进制决策变量即可：

  channels = ["A", "B", "C", "D", "E", "F"]
  # x[i,j] = 1 代表客户i选择渠道j
  x = LpVariable.dicts("x", [(i,j) for i in customers for j in channels], lowBound=0, cat='Binary')
  

• 2. 新增客户渠道唯一约束
     保证每个客户最多选择一个渠道，也可以不选：

  for i in customers:
      prob += lpSum([x[(i,j)] for j in channels]) <= 1
  

• 3. 修正约束与目标函数
     按客户-渠道维度存储FTE投入和利润数据，调整对应逻辑：

  # FTE总约束
  prob += lpSum([x[(i,j)] * ftes[i,j] for i in customers for j in channels]) <= fte_envelope
  # 总利润最大化目标函数
  prob += lpSum([x[(i,j)] * profit[i,j] for i in customers for j in channels])
  

• 4. 修正拼写错误
     你提供的全量代码中sovle为拼写错误，正确写法为prob.solve()

内容的提问来源于stack exchange，提问作者user99137