【发布时间】:2020-04-19 01:12:48
【问题描述】:
我有以下df:
level type price1 price2
5250 A 0.233 0.2865
5250 B 0.004 0.006
5500 A 0.197 0.2545
5500 B 0.0055 0.0075
5750 A 0.1615 0.223
5750 B 0.0075 0.009
6000 A 0.127 0.1925
6000 B 0.0105 0.0125
6250 A 0.1215 0.1635
6250 B 0.0135 0.0165
6500 A 0.099 0.136
6500 B 0.021 0.024
6750 A 0.071 0.085
6750 B 0.03 0.0325
7000 A 0.052 0.0555
7000 B 0.044 0.047
7250 A 0.036 0.0395
7250 B 0.063 0.0675
7500 A 0.024 0.0275
7500 B 0.086 0.091
7750 A 0.0165 0.019
7750 B 0.111 0.161
8000 A 0.0105 0.0135
8000 B 0.118 0.1915
8250 A 0.0085 0.0105
8250 B 0.137 0.224
8500 A 0.0055 0.008
8500 B 0.1835 0.257
8750 A 0.0045 0.0065
8750 B 0.2035 0.291
9000 A 0.0035 0.0055
9000 B 0.002 1.956
我根据type 列将df 分为df_A 和df_B。
接下来,我想找到组合最大化以下内容的级别/行:
sum = buy_A + buy_B - sell_A - sell_B
在哪里
buy_A = df_A.loc[row, 'price2']
buy_B = df_B.loc[row, 'price2']
sell_A = df_A.loc[row, 'price1']
sell_B = df_B.loc[row, 'price1']
为了清楚起见,我在这里使用row,但在我的脚本中row 应该等于level 列的值。我有一个约束。对于buy_A 和sell_B,level 应该相等,对于sell_A 和buy_B,level 的值应该相等。包括这会导致:
buy_A = float(df_A.loc[(df_A['level'] == level_1), 'price2'])
buy_B = float(df_B.loc[(df_B['level'] == level_2), 'price2'])
sell_A = float(df_A.loc[(df_A['level'] == level_1), 'price1'])
sell_B = float(df_B.loc[(df_B['level'] == level_2), 'price1'])
基本上,对于上述df,我得到以下矩阵:
我想返回矩阵内的最大值的值和对应的级别。
我的脚本:
import pandas as pd
import numpy as np
from scipy.optimize import minimize
def obj(x, df):
df_A = df.loc[(df['type'] == 'A')]
df_B = df.loc[(df['type'] == 'B')]
sum = df_A['price1'] + df_B['price1'] - df_A['price2'] - df_B['price2']
return -1 * sum
if __name__ == "__main__":
df = pd.read_csv('quotes.csv')
guess = 0
solver = minimize(obj, args=(df), x0=guess, method='Nelder-Mead', options={'disp': True})
我需要更改什么才能获得最大值和相应的级别?非常感谢提前
【问题讨论】:
-
为什么
df_B.loc[row, 'price2']等于buy_B和sell_B?是不是打错字了? -
是的,很抱歉