如何将优化模型中的二进制决策变量转换为字典并分栏写入Excel？

嘿，这事儿其实很简单，咱们一步步来搞定它！

第一步：把决策变量整理成字典 #

首先，你需要把那些x["a", "1a"]=1这类的变量，整理成一个键为元组、值为1的字典。如果是你手动定义的变量，直接构造字典就行：

# 手动收集决策变量到字典
x_dict = {
    ("a", "1a"): 1,
    ("bb", "2b"): 1,
    ("ccc", "2a"): 1
}

要是你的变量是从优化模型（比如PuLP、Gurobi）里来的，大部分优化库都有方法提取变量的取值。比如用PuLP的话，求解后可以通过var.varValue拿到变量值，筛选出值为1的变量再整理成字典：

from pulp import LpProblem, LpVariable, LpBinary

# 模拟优化模型场景
prob = LpProblem("ExampleModel", LpMinimize)
# 定义二进制变量
x = LpVariable.dicts("x", [("a", "1a"), ("bb", "2b"), ("ccc", "2a")], cat=LpBinary)
# 假设模型已求解完成，变量取值为1

# 提取值为1的变量，整理成字典
x_dict = {}
for var in prob.variables():
    if var.varValue == 1:
        # 拆分变量名，比如"x_a_1a"拆成("a", "1a")
        key_parts = var.name.split("_")[1:]
        x_dict[(key_parts[0], key_parts[1])] = 1

第二步：转成DataFrame并写入Excel #

有了字典之后，就可以用pandas把它拆分成你想要的分栏格式了：

import pandas as pd

# 把字典的键拆分成两列数据
data = [[key[0], key[1]] for key in x_dict.keys()]

# 构造DataFrame，指定列名
df = pd.DataFrame(data, columns=["A", "B"])

# 写入Excel，记得去掉索引列
df.to_excel("decision_variables.xlsx", index=False)

这样生成的Excel就会是你想要的格式：

核心思路 #

本质上就是把决策变量的二元键拆分成两个独立的列，利用pandas的DataFrame来结构化数据，最后直接写入Excel就行。如果你的变量键是更多维度的，只需要调整拆分的逻辑就可以啦！

内容的提问来源于stack exchange，提问作者Victoria