Python纸浆-没有重复的名称

我已经为幻想足球建立了一个优化脚本。基本上，它必须优化6名球员的预测分数，其中有1名队长和5个灵活位置。我的问题是，无论解决者选择谁作为队长，都会被选为FLEX。我想限制它，这样就不会选择重复的玩家名称。除此之外，一切正常，下面是我正在使用的代码和CSV文件示例：

`

进口纸浆
作为pd进口熊猫
将numpy作为np导入
来自itertools进口链
导入csv
文件名='C:/Users/Michael Arena/Desktop/Football/shodown/Simulation\u shodown.csv'
原始数据=pd.read\u csv（文件名，engine=“python”，index\u col=False，header=0，delimiter=“，”，quoting=3）
玩家ID=原始数据索引
player\u vars=plup.LpVariable.dicts（'player'，player\u id，cat='Binary'）
prob=纸浆.LpProblem（“DFS优化器”，纸浆.LpProblem）
prob+=plup.lpSum（[raw_data['Projection'][i]*player_vars[i]代表player_id中的i]）
##总薪金上限：
prob+=plup.lpSum（[raw_data['Salary'][i]*player_vars[i]代表player_id中的i]）=10000
##总共有6名玩家：
prob+=plup.lpSum（[player_vars[i]代表player_id中的i]）==6
##5弹性：
prob+=plup.lpSum（[player_vars[i]表示player_id中的i，如果原始数据['Position'][i]='FLEX']）>=5
##1船长：
prob+=plup.lpSum（[player_vars[i]表示player_id中的i，如果原始数据['Position'][i]='CPT']）==1
纸浆
问题状态
问题解决（）
原始数据[“正在起草”]=0.0
对于prob.variables（）中的变量：
#集合被起草为LP确定的值
raw#u data.iloc[int（var.name[7:]），7]=var.varValue#第11列=已起草
我的团队=原始数据[原始数据[“正在起草”！=0]
我的团队=我的团队[[“姓名”、“职位”、“团队”、“薪水”、“投射”、“对手”]]
打印（我的团队负责人（10））
打印（“工资上限的总使用金额：{}”。格式（my_team[“salary”].sum（））
打印（“投影点：{}”。格式（我的团队[“投影”].sum（）.round（1）））
打印（我的团队[“投影”].sum（）.round（1））

这是我刚才提到的解决方案

进口纸浆
将numpy作为np导入
#%%模拟数据的虚拟数组
n层=7
原始数据={}
名称=[chr（ord（'A'）+i）表示范围内的i（n层）]*2
原始数据['Position']=['FLEX']*nLayers+['CPT']*nLayers
原始数据['Projection']=np.rand.rand（2*n层）*10
原始数据['Salary']=（np.random.rand（2*Nplayers）*10000.aType（int）
玩家ID=np.arange（2*N玩家）
#%%你的代码（我评论了一些东西）
#玩家ID=原始数据索引
player\u vars=plup.LpVariable.dicts（'player'，player\u id，cat='Binary'）
prob=纸浆.LpProblem（“DFS优化器”，纸浆.LpProblem）
prob+=plup.lpSum（[raw_data['Projection'][i]*player_vars[i]代表player_id中的i]）
##总薪金上限：
prob+=plup.lpSum（[raw_data['Salary'][i]*player_vars[i]代表player_id中的i]）=10000
##总共有6名玩家：
prob+=plup.lpSum（[player_vars[i]代表player_id中的i]）==6
##5弹性：
prob+=plup.lpSum（[player_vars[i]表示player_id中的i，如果原始数据['Position'][i]='FLEX']）>=5
##1船长：
prob+=plup.lpSum（[player_vars[i]表示player_id中的i，如果原始数据['Position'][i]='CPT']）==1
#这里是重要的东西！！！
#您可以创建一种聪明的方法，通过名称将“flex_indx”与“cpt_indx”匹配起来
flex_indx=np.arange（n层）
cpt_indx=np.arange（n层）+n层
对于范围内的i（n层）：
prob+=plup.lpSum（[player_vars[cpt_indx[i]]，player_vars[flex_indx[i]]）0:
num=int（v.name[7:]）
tot_项目+=原始数据['投影][num]
工资总额+=原始数据['salary'][num]
打印（“%9s:%5s:%4s:%4.1f:%6u%”（v.name，name[num]，原始数据['Position'][num]，原始数据['Projection'][num]，原始数据['Salary'][num]））
打印（'-'*40）
打印（'TOTAL'+''*20+'：%4.1f:%6u'（项目总额、工资总额））
打印（'-'*40）

您可能希望将数据分解为（姓名、职位）的双重索引，这样事情就会变得更加容易。这里的另一个解决方案很好，但非常脆弱，因为它假设所有可能是FLEX的名称都与CPT相同，并且顺序相同

这是一个不需要这样做的想法，如果你开发你的模型，它会更加灵活。注意：我使用了

pandas

来像您那样拉入数据，但是您也可以用几行来读取csv。此外，您可以使用pandas索引（在本例中为多索引）构建模型，但我认为基本python索引在本例中更为清晰，因此我将关键数据放入了两个字典中

我缩小了您的模型，从这个.csv中的6个名称-位置对中进行选择：

Name,Pos,  Value, Cost
Bob, FLEX,1.5,10
Sam, FLEX,1.4,8
Tom, FLEX,1.6,9
Bert,FLEX,1.5,9
Tom,CPT,1.2,12
Sam,CPT,1.3,11

剧本

---

您还可以将CPT选择为FLEX，因为两者都具有较高的“投影”。假设你有

N

玩家按照你的方式组织，那么你想要

player_vars[i]+player_vars[i+N]，所以我一直在试图找出如何添加这一约束
#播放器ID中的cptid没有重复的名称：如果原始数据['Position'][cptid]='CPT'：prob+=pulp.lpSum（[player_vars[i]对于播放器ID中的i，如果原始数据['Name'][i]==原始数据['Name'][cptid]+[-1*播放器变量[cptid]]>=0
。我认为这会奏效，但它不会奏效。您能告诉我如何通过代码/将其添加为约束来实现您的建议吗？对不起，我不太使用纸浆。我会在我有一点时间的时候给你一个更详细的答案，我很抱歉：）你的限制应该是像
palp.lpSum（[player_vars[cptid]，player_vars[flexid]]）嗨，AirSquid，你能看看我上一篇帖子并帮我吗？你对这个问题的回答对我帮助很大，我对我得到的答案感到困惑。非常感谢你能帮我看一看，因为你的评论对这篇文章非常有帮助。非常感谢！
Name,Pos,  Value, Cost
Bob, FLEX,1.5,10
Sam, FLEX,1.4,8
Tom, FLEX,1.6,9
Bert,FLEX,1.5,9
Tom,CPT,1.2,12
Sam,CPT,1.3,11

import pulp
import pandas as pd

data_file = 'data.csv'

df = pd.read_csv(data_file, index_col=['Name', 'Pos'], skipinitialspace=True)
#print(df)

legal_assignments = df.index   # tuples of (name, pos)
name_set = df.index.unique(0)  # a conveniece

costs = df['Cost'].to_dict()
values = df['Value'].to_dict()

# set up LP
draft = pulp.LpVariable.dicts('selected', legal_assignments, cat='Binary')

prob = pulp.LpProblem('the draft', pulp.LpMaximize)

# obj
prob += pulp.lpSum([draft[n, p]*values[n,p] for (n, p) in legal_assignments])

# salary cap
prob += pulp.lpSum([draft[n, p]*costs[n,p] for (n, p) in legal_assignments]) <= 30

# pick 2 FLEX
prob += pulp.lpSum([draft[n, p] for (n, p) in legal_assignments if p == 'FLEX']) == 2

# pick 1 CPT
prob += pulp.lpSum([draft[n, p] for (n, p) in legal_assignments if p == 'CPT']) == 1

# use each player at most only once
for name in name_set:
    prob += pulp.lpSum([draft[n, p] for (n, p) in legal_assignments if n == name]) <=1

prob.solve()

for idx in draft:
    if draft[idx].varValue:
        print(f'hire {idx[0]} for position {idx[1]}')

hire Tom for position FLEX
hire Bert for position FLEX
hire Sam for position CPT