我正在尝试根据Python中的年增长率(目标)来计算月增长率的常数。
我的问题与this question在算术上相似,但并未完全回答。
例如,如果2018年的年销售总额为$ 5,600,000.00,并且我预计下一年将增长30%,我希望2019年的年销售总额为$ 7,280,000.00。
BV_2018 = 5600000.00
Annual_GR = 0.3
EV_2019 = (BV * 0.3) + BV
我正在使用2018年的最后一个月来预测2019年的第一个月
Last_Month_2018 = 522000.00
Month_01_2019 = (Last_Month_2018 * CONSTANT) + Last_Month_2018
我将在2019年第二个月使用
Month_02_2019 = (Month_01_2019 * CONSTANT) + Month_01_2019
...等等,依此类推
2019年1月1日至2019年12月12日的累计金额必须等于EV_2019。
有人知道如何在Python中计算常量吗?我熟悉np.cumsum函数,因此这不是问题。我的问题是我无法解决所需的常数。
预先感谢您,请随时要求进一步澄清。
更多说明:
# get beginning value (BV)
BV = 522000.00
# get desired end value (EV)
EV = 7280000.00
我们正试图通过计算[12]个月总计的累计总和来从BV转换为EV(这是累计总和)。每个月总计将比上个月增加%,跨月是恒定的。我想解决的就是这个百分比增长。
请记住,BV是上一年的最后一个月。根据BV,我们会计算出预测(即第1个月到第12个月)。因此,我认为从BV转向EV加BV是有意义的。然后,只需从列表中删除BV及其值即可,得出的EV为第1个月到第12个月的累计总数。
我想象在这样的函数中使用此常量:
def supplier_forecast_calculator(sales_at_cost_prior_year, sales_at_cost_prior_month, year_pct_growth_expected):
"""
Calculates monthly supplier forecast
Example:
monthly_forecast = supplier_forecast_calculator(sales_at_cost_prior_year = 5600000,
sales_at_cost_prior_month = 522000,
year_pct_growth_expected = 0.30)
monthly_forecast.all_metrics
"""
# get monthly growth rate
monthly_growth_expected = CONSTANT
# get first month sales at cost
month1_sales_at_cost = (sales_at_cost_prior_month*monthly_growth_expected)+sales_at_cost_prior_month
# instantiate lists
month_list = ['Month 1'] # for months
sales_at_cost_list = [month1_sales_at_cost] # for sales at cost
# start loop
for i in list(range(2,13)):
# Append month to list
month_list.append(str('Month ') + str(i))
# get sales at cost and append to list
month1_sales_at_cost = (month1_sales_at_cost*monthly_growth_expected)+month1_sales_at_cost
# append month1_sales_at_cost to sales at cost list
sales_at_cost_list.append(month1_sales_at_cost)
# add total to the end of month_list
month_list.insert(len(month_list), 'Total')
# add the total to the end of sales_at_cost_list
sales_at_cost_list.insert(len(sales_at_cost_list), np.sum(sales_at_cost_list))
# put the metrics into a df
all_metrics = pd.DataFrame({'Month': month_list,
'Sales at Cost': sales_at_cost_list}).round(2)
# return the df
return all_metrics
答案 0 :(得分:2)
让r = 1 + monthly_rate
。然后,我们要解决的问题是
r + ... + r**12 = EV/BV
。我们可以使用numpy来获取数值解。实际上,这应该相对较快。我们正在求解多项式r + ... + r**12 - EV/BV = 0
,并从r
恢复月费率。将有十二个复杂的根,但只有一个真正的正根-这就是我们想要的。
import numpy as np
# get beginning value (BV)
BV = 522000.00
# get desired end value (EV)
EV = 7280000.00
def get_monthly(BV, EV):
coefs = np.ones(13)
coefs[-1] -= EV / BV + 1
# there will be a unique positive real root
roots = np.roots(coefs)
return roots[(roots.imag == 0) & (roots.real > 0)][0].real - 1
rate = get_monthly(BV, EV)
print(rate)
# 0.022913299846925694
一些评论:
roots.imag == 0
在某些情况下可能会出现问题,因为根使用数值算法。或者,我们可以从实部为正的所有根中选择虚部最少(绝对值最大)的根。
我们可以使用相同的方法来获取其他时间间隔的费率。例如,对于每周费率,我们可以将13 == 12 + 1
替换为52 + 1
。
上面的多项式都有根的解,如here所述。
性能更新。我们也可以将其构造为不动点问题,即寻找函数的不动点
x = EV/BV * x ** 13 - EV/BV + 1
固定点x
等于(1 + rate)**13
。
以下纯Python实现比我机器上的上述numpy版本快四倍。
def get_monthly_fix(BV, EV, periods=12):
ratio = EV / BV
r = guess = ratio
while True:
r = ratio * r ** (1 / periods) - ratio + 1
if abs(r - guess) < TOLERANCE:
return r ** (1 / periods) - 1
guess = r
借助numba.jit
,我们可以使运行速度更快。
答案 1 :(得分:1)
我不确定这是否行得通(如果不行,请告诉我),但是请尝试
。def get_value(start, end, times, trials=100, _amount=None, _last=-1, _increase=None):
#don't call with _amount, _last, or _increase! Only start, end and times
if _amount is None:
_amount = start / times
if _increase is None:
_increase = start / times
attempt = 1
for n in range(times):
attempt = (attempt * _amount) + attempt
if attempt > end:
if _last != 0:
_increase /= 2
_last = 0
_amount -= _increase
elif attempt < end:
if _last != 1:
_increase /= 2
_last = 1
_amount += _increase
else:
return _amount
if trials <= 0:
return _amount
return get_value(start, end, times, trials=trials-1,
_amount=_amount, _last=_last, _increase=_increase)
告诉我是否可行。
像这样使用:
get_value(522000.00, 7280000.00, 12)