Question

我正在尝试使用scipy.newton方法在pandas数据帧中进行优化。

首先，我的数据框创建如下。其次，创建函数Px。第三，创建另一个函数YieldCalc，我使用scipy.newton进行优化以找到Rate的值，使得Px = 0.然后我试图将该值添加到新列'Yield'但是得到以下错误。任何帮助将非常感激。提前致谢。

from pandas import *
import pandas as pd
from scipy import *
import scipy
import timeit   
#In:
#Creating Dataframe
df = DataFrame(list([100,2,34.1556,9,100]))
df = DataFrame.transpose(df)
df = df.rename(columns={0:'Face',1:'Freq',2:'N',3:'C',4:'Mkt_Price'})
df2= df
df = concat([df, df2])
df

#Out:
Face  Freq    N          C  Mkt_Price
100    2     34.1556     9    100
100    2     34.1556     9    100


#In:
Face = df['Face']
Freq = df['Freq']
N = df['N']
C = df['C']
Mkt_Price = df['Mkt_Price']


def Px(Rate):
    return Mkt_Price - (Face * ( 1 + Rate / Freq ) ** ( - N ) + ( C / Rate ) * ( 1 - (1 + ( Rate / Freq )) ** -N ) )

def YieldCalc():
    return scipy.optimize.newton(Px, .1, tol=.0001, maxiter=100)
df['Yield'] = YieldCalc()

错误/输出：

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-89-f4961d3f817b> in <module>()
     12 def YieldCalc(Rate):
     13     return scipy.optimize.newton(Px, .1, tol=.0001, maxiter=100)
---> 14 df['Yield'] = YieldCalc(.05)

<ipython-input-89-f4961d3f817b> in YieldCalc(Rate)
     11 
     12 def YieldCalc(Rate):
---> 13     return scipy.optimize.newton(Px, .1, tol=.0001, maxiter=100)
     14 df['Yield'] = YieldCalc(.05)

C:\Users\rebortz\Anaconda\lib\site-packages\scipy\optimize\zeros.pyc in newton(func, x0, fprime, args, tol, maxiter, fprime2)
    145         q1 = func(*((p1,) + args))
    146         for iter in range(maxiter):
--> 147             if q1 == q0:
    148                 if p1 != p0:
    149                     msg = "Tolerance of %s reached" % (p1 - p0)

C:\Users\rebortz\Anaconda\lib\site-packages\pandas\core\generic.pyc in __nonzero__(self)
    674         raise ValueError("The truth value of a {0} is ambiguous. "
    675                          "Use a.empty, a.bool(), a.item(), a.any() or a.all()."
--> 676                          .format(self.__class__.__name__))
    677 
    678     __bool__ = __nonzero__

ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

Answer 1

这里的部分技巧是从df['Face']返回的不是单个值甚至是数组。他们仍然与大熊猫有关。

您可以按照建议开始通过.values访问原始数据并将其提供给函数。

或者，pandas数据框有一个.apply方法，允许你接受一个函数并在每一行或一行上运行它。

我在你发布的代码的末尾添加了以下内容（首先注释掉有问题的行）

def Foo(thing, Rate):
    return thing[0]*Rate

df['Yield'] = df.apply(Foo,axis=1,args=(0.1,))
df.head()

在这里，.apply方法会将Foo的给定行中的所有条目作为一个系列传递给函数df，并将参数0.1传递给它。轴规范是按行设置的（axis=0将执行col）。

只需重新组织Px即可接受'费率'和来自df的一系列值（按此顺序）。然后让YieldCalc接受该系列。此外，您需要在args=调用中使用newton条目，以便在搜索零时将该系列值传递给Px。

流程应该是：

.apply在thing的一行中生成一系列df，并将其传递给YieldCalc。 YieldCalc在newton Rate`上运行Px(Rate,thing)' to find返回0.然后，所有这些结果都会被放入新的Yield列中。

熊猫中的牛顿法

1 个答案: