Scipy优化使用数据框最小化答案

【问题标题】：Scipy optimize minimize using dataframeScipy优化使用数据框最小化
【发布时间】：2019-07-20 06:52:04
【问题描述】：

我有一个包含 3 列的数据框：Y、X1、X2。我想通过最小化平方和来找到参数估计 b1 和 b2：

Objective function: minimize the sum of squares (Y - (b1*X1 + b2*X2))^2
Constraints: 0 < b1 < 2, 0 < b2 < 1
Initial guesses: b1=b2=0.5
Technique: Newton-Raphson

我知道我可以使用

scipy.optimize.minimize(fun, x0, args=(), method=None, jac=None, hess=None, hessp=None, bounds=None, constraints=(), tol=None, callback=None, options=None)

但我看不到如何传递数据框中的列，因为我从搜索中找到的所有示例都不使用数据框中的列。

如果有任何帮助，我将不胜感激。

【问题讨论】：

scipy 不支持 pandas。因此，您将提取列，例如 scipy.optimize.minimize(fun, mydf['numeric_column'], args=())
非常感谢，但是你得到“mydf['numeric_column']”的位置对应于我应该输入初始猜测的位置，即 b1=b2=0.5 不是在数据框中。

标签： python optimization scipy

【解决方案1】：

这可能是您的一些起点。只要你的目标函数的返回是标量的，应该没问题。通过元组中的 args-keywords 传递数据帧。请参阅最小化函数的文档以检查您要使用的方法。

编辑：我根据您评论中的描述更改了代码。

import numpy as np
import scipy.optimize as opt
import pandas as pd

def main(df):
    x0 = [0.5,0.5]
    res = opt.minimize(fun=obj, x0=np.array(x0), args=(df), method="BFGS", bounds=[(0,2),(0,1)])
    return res

def obj(x, df):
    #maybe use a global variable to get the dataframe or via args
    sumSquares = np.mean((df["Y"] - (x[0]*df["X1"] + x[1]*df["X2"]))**2)
    return sumSquares

df = pd.DataFrame({"Y":np.random.rand(100),
                   "X1":np.random.rand(100),
                   "X2":np.random.rand(100)})
print(main(df))

【讨论】：

非常感谢，但它与我迄今为止在搜索中找到的内容相对应，我无法将 obj(x) 函数与上述数据框相关联。数据框只有上述 3 列，每一列都包含数值。
非常感谢。这是有道理的，并且在我的数据框上完美运行。非常感谢。
乐于助人！如果答案解决了你的问题，欢迎采纳：）
感谢@f.wue 分享这个例子。我用我的数据集进行了尝试，但我在结果中收到了这条消息 - ：“由于精度损失，不一定能实现所需的错误。”知道如何处理吗？
不，但也许可以看看这个问题：stackoverflow.com/questions/24767191/…