【Python PuLP版】包絡分析法（DEA）モデル【CCRモデル】

【はじめに】

このnoteでは「包絡分析法（DEA）モデル」について、「Python PuPL」でプログラムを作ってみる。

※PuLP

Optimization with PuLP — PuLP 2.7.0 documentation

内容としては「Python MIPで書いた記事」を「PuLP」でやるものだが、サンプルデータにはPandasで作成したDataFrameを使用したり、PuLPの使い方、全体的な説明や図を追加をしたり等、少しアレンジを入れている。

【実行環境について】

今回は「Google Colab」上で実行してみる。

【例題】

以下の「店舗０～５」について「店員数、稼働時間、売上」のデータが次の通りになっている。

・入力データ：「店員数」「稼働時間」
・出力データ：「売上」

として、「店舗番号４」について「DEAに基づいた効率性の評価」をせよ。

※詳しい考え方などは以下参照。

2.4 包絡分析法（DEA）モデル

【１】ライブラリのインストール

!pip install pulp

【２】ソルバーセットアップ

import pulp

# 対応ソルバー一覧を出力
pulp.list_solvers(onlyAvailable=False)

【実行結果例】
['GLPK_CMD', 'PYGLPK', 'CPLEX_CMD', 'CPLEX_PY', 'GUROBI', 'GUROBI_CMD', 'MOSEK', 'XPRESS', 'PULP_CBC_CMD', 'COIN_CMD', 'COINMP_DLL', 'CHOCO_CMD', 'MIPCL_CMD', 'SCIP_CMD']

▲pulpが対応しているソルバー一覧が出力される

# 利用可能なソルバー
pulp.list_solvers(onlyAvailable=True)

【実行結果例】
['PULP_CBC_CMD']

▲デフォルトは付属のソルバー「PULP_CBC_CMD」のみ利用可能

今回はデフォルトのソルバーを使っていくが、必要に応じて追加でソルバーをインストール、パスを追加する。
（※例えば「GLPK(Gnu Linear Programming Kit)」を追加する場合は以下参照ください）

【rej:02】PuLPのHello,World【Python】

【３】サンプルデータ作成（DataFrame作成）

サンプルデータは「pandas」を使って「DataFrame」として用意してみる。

pandas - Python Data Analysis Library

※作成するDataFrameのイメージ

▲サンプルデータをDataFrameとして用意する

サンプルデータをDataFrame化するにあたり、今回は「pandas.DataFrame.from_dict()」を使っていく。

pandas.DataFrame.from_dict — pandas 1.4.2 documentation