Python 线性规划（单纯形LP）纸浆？

仅在Python中，并且使用Pandas数据框中的数据，如何使用Excel中的方法来解决线性规划问题？在新的预算栏下，应该为每个渠道分配多少预算，以便我们最大化估计成功的总数？我真的在寻找一个具体的示例使用数据帧中的数据，而不是真正的高级建议

问题数据设置

    Channel  30-day Cost  Trials  Success  Cost Min  Cost Max  New Budget
0  Channel1      1765.21    9865      812    882.61   2647.82           0
1  Channel2      2700.00   15000      900   1350.00   4050.00           0
2  Channel3      2160.00   12000      333   1080.00   3240.00           0

这是一个最大化问题

目标函数是：

制约因素包括：

df[“新预算”]

之和必须等于

5000

给定频道的

新预算

不能低于

最低成本

给定频道的

新预算

不能高于

最高成本

有没有想法如何使用纸浆或任何其他解算器方法来翻译这个数据帧解算器线性问题？最终结果将是您在下图中看到的结果

---

通常，您会创建一个变量字典（在本例中为

x

）和一个模型变量（在本例中为

mod

）。要创建目标，请使用变量乘以一些标量的

sum

，将结果添加到

mod

。通过再次计算变量的线性组合来构造约束，在同一示例中使用

=

，

，如果我有两个变量。例如：目前，$G$2:$G$4是存在的，如果你想要$G$2:$H$6这样的东西来改变纸浆中的变量。@josliber，我很好奇，为什么你在你的目标函数中使用
1.0
，而OP使用的是
df['New Budget']
？这是因为
df['New Budget']
是可变单元格吗？我试图将其映射到我自己的问题，但不知道将变量单元格放在哪里。谢谢@我使用的是
1.0/（df['30天成本][idx]/df['Trials'][idx]）*（df['Success'][idx]/float（df['Trials'][idx]）
因为这是他们excel电子表格中OP的目标函数。如果你有不同的公式，那么你会使用它。嗨@josliber，我可以通过邮件与你联系吗？我有一个类似的问题，我想讨论。如果你能帮我解决，我将非常感激。谢谢。请检查以下内容：
objective_function = sum((df['New Budget']/(df['30-day Cost']/df['Trials']))*(df['Success']/df['Trials']))

import pulp

# Create variables and model
x = pulp.LpVariable.dicts("x", df.index, lowBound=0)
mod = pulp.LpProblem("Budget", pulp.LpMaximize)

# Objective function
objvals = {idx: (1.0/(df['30-day Cost'][idx]/df['Trials'][idx]))*(df['Success'][idx]/float(df['Trials'][idx])) for idx in df.index}
mod += sum([x[idx]*objvals[idx] for idx in df.index])

# Lower and upper bounds:
for idx in df.index:
    mod += x[idx] >= df['Cost Min'][idx]
    mod += x[idx] <= df['Cost Max'][idx]

# Budget sum
mod += sum([x[idx] for idx in df.index]) == 5000.0

# Solve model
mod.solve()

# Output solution
for idx in df.index:
    print idx, x[idx].value()
# 0 2570.0
# 1 1350.0
# 2 1080.0

print 'Objective', pulp.value(mod.objective)
# Objective 1798.70495012

import numpy as np
import pandas as pd
idx = [0, 1, 2]
d = {'channel': pd.Series(['Channel1', 'Channel2', 'Channel3'], index=idx),
     '30-day Cost': pd.Series([1765.21, 2700., 2160.], index=idx),
     'Trials': pd.Series([9865, 1500, 1200], index=idx),
     'Success': pd.Series([812, 900, 333], index=idx),
     'Cost Min': pd.Series([882.61, 1350.00, 1080.00], index=idx),
     'Cost Max': pd.Series([2647.82, 4050.00, 3240.00], index=idx)}
df = pd.DataFrame(d)
df
#    30-day Cost  Cost Max  Cost Min  Success  Trials   channel
# 0      1765.21   2647.82    882.61      812    9865  Channel1
# 1      2700.00   4050.00   1350.00      900    1500  Channel2
# 2      2160.00   3240.00   1080.00      333    1200  Channel3