Question

我正在尝试使用python basinhopping优化（最大化）复杂函数，该函数从数据帧中的变量派生其值。我是最不熟悉优化技术的人，所以如果我对它太多的话请原谅。我已经搜索过，最接近的东西看起来像this。让我创建一个玩具数据框来描述问题。假设以下内容：

df = pd.DataFrame({"A":range(1,14), "B":range(5,18), "ID": 
[1,1,2,2,2,2,3,3,3,4,5,6,7],"C":[0,0,10,0,0,16,0,0,22,1,1,1,1], "last": 
[0,1,0,0,0,1,0,0,1,1,1,1,1], 
"Value": [19.25,8,91.6,71.05,45.85,16,104.95,65.8,22,24,13,28,15], "Z": 
[0,1,0,0,0,0,0,0,1,1,0,1,0]})

最困难的部分（在我看来）是目标函数的设计。就是这样。

ID不重复的情况（在这种情况下，ID为4,5,6,7）
- 如果Z列= 1，则目标函数就是sum（A，B）
- 如果Z列= 0，那么目标函数就是0.5 * sum（A，B）
ID重复的情况（在这种情况下为1,2,3）
- 如果last = 1，则目标函数就是sum（A，B）
- 如果last = 0，则目标函数将在每个ID的最后一行上递归构建。目标函数的一般公式为（上一个C）+（3 *电流A）+（1.65 *电流B）。关键是要知道这种情况的值取决于上一个值。如果值是在excel中完成的，则看起来像这样：F4 =“ F5 +（3 * A4）+（1.65 * B4）”，F5 =“ F6 +（3 * A5）+（1.65 * B5）”，F6 = “ F7 +（3 * A6）+（1.65 * B6）”，F7 =“ A7 + B7”。很明显，有一些依赖/递归
  - 此外，值3和1.65是要馈入优化器的参数。实际上，它们可以是数据集中的一列，这意味着它们的值每行都会改变

我遇到的问题是，我看到的大多数优化示例even in the documentation返回单个值。就我而言，我有一个数据框，所以我不确定该如何工作。

这是我之前所做的：将数据集分为两个：具有重复ID的数据集和具有非重复ID的数据集。对于那些重复的对象，请使用if语句来计算目标函数的值。

对于具有重复ID的对象，创建一个变量，该变量标识每个ID的最后观察值，然后从“自下而上”计算值。然后，我追加两个数据集。但是，这导致了我的主要努力：基于数据集，目标函数不是“整个”而是“波动”。

我希望我能对此有所帮助。谢谢

使用数据框优化复杂功能

0 个答案: