如何获取 scipy.optimize.linprog 的结果数组？

Question

我正在使用scipy.optimize.linprog 解决网络流量问题，我得到了结果。但我不知道如何获得在结果中显示为 x:array 的结果数组。我必须修改这个数组以使其更易于阅读。

res = linprog(c=C, A_eq=A, b_eq=B)
print(res)

这是结果：

    fun: 67538.0
 message: 'Optimization terminated successfully.'
     nit: 36
   slack: array([], dtype=float64)
  status: 0
 success: True
       x: array([    0.,     0.,     0.,     0.,     0.,     0.,     0.,     0.,
           0.,     0.,     0.,     0.,     0.,     0.,     0.,     0.,
           0.,     0.,     0.,     0.,     0.,     0.,  5415.,     0.,
           0.,     0.,     0.,     0.,     0.,     0.,     0.,     0.,
           0.,     0.,     0.,     0.,     0.,     0.,     0.,     0.,
           0.,     0.,     0.,     0.,     0.,     0.,     0.,     0.,
           0.,     0.,     0.,     0.,     0.,     0.,     0.,     0.,
           0.,     0.,     0.,     0.,     0.,  7732.,     0.,     0.,
           0.,     0.,     0.,     0.,     0.,     0.,     0.,  4045.,
        3167.,     0.,  2420.,     0.,     0.,     0.,     0.,     0.,
           0.,     0.,     0.,     0.,     0.,     0.,     0.,     0.,
           0.,     0.,     0.,     0.,     0.,     0.,     0.,     0.,
           0.,     0.,     0.,     0.,     0.,     0.,     0.,     0.,
           0.,     0.,     0.,     0.,     0.,     0.,  3257.,     0.,
           0.,     0.,     0.,     0.,     0.,     0.,     0.,     0.,
           0.,     0.,     0.,     0.,     0.,     0.,     0.,     0.,
           0.,     0.,     0.,     0.,     0., 12230.,     0.,     0.,
        1574.,     0.,     0.,     0.,     0.,     0.,     0.,     0.,
           0., 13407.,  4708.,     0.,     0.,     0.,     0.,     0.,
           0.,     0.,     0.,     0.,  4601.,     0.,  4982.,     0.,
           0.,     0.,     0.,     0.,     0.,     0.,     0.,     0.,
           0.])

所以，我想知道如何获取 x:array。我必须在这个数组中使用非零数字。

Answer 1

根据scipy.optimize.linprog 文档，此函数返回OptimizeResult，其中x 是属性之一（实例变量）。

您可以使用res.x 表示法直接访问它作为Python 中的任何其他对象属性。

请注意，x 在这里是 NumPy 数组，因此特别是如果您的数组会很大，而不是转换为 Python 原生列表并手动删除零，您可能需要使用 nonzero_x = numpy.trim_zeros(res.x)。