Решить фактор с Scipy свести к минимуму
Я пытаюсь решить фактор х, который умножить сумму вектора "фактор". Сумма вектора "Фактор" должна быть суммой, аналогичной сумме вектора "Базовый". Прежде всего, я прочитал CSV, который выглядит как следующий DataFrame:
Спасибо за помощь заранее.
Ну, я попробовал это с минимизацией и отказов тоже. Может быть, будет лучше использовать scipy.optimize?
import pandas as pd
from scipy.optimize import minimize, optimize
import numpy as np
path='/scipytest.csv'
dffunc=pd.read_csv(path, decimal=',', delimiter=';')
BaseSum=np.sum(dffunc['Basic'])
FacSum=np.sum(dffunc['Factor'])
def f(x, FacSum):
return BaseSum-FacSum*x
con = {'type': 'ineq',
'fun': lambda BaseSum,FacSum: BaseSum-FacSum,
'args': (FacSum,)}
x=0
result = minimize(f,(x,FacSum), args=(FacSum,), method='SLSQP', constraints=con)
print(result.x)
print(f(result.x))
поднять ValueError("Целевая функция должна возвращать скаляр")
ValueError: объективная функция должна возвращать скаляр
1 ответ
Я не думаю, что вам обязательно нужно scipy.optimize.minimize
, Поскольку вы минимизируете скаляр, вы можете использовать scipy.optimize.minimize_scalar
( документы). Это можно сделать следующим образом:
from scipy.optimize import minimize_scalar
import numpy as np
# define vecs
basic_vec = np.array([123, 342, 235, 123, 56, 345, 234, 123, 345, 54, 234]).reshape(11, 1)
factor_vec = np.array([234, 345, 453, 345, 456, 457, 23, 45, 56, 567, 5]).reshape(11, 1)
# define sums
BaseSum = np.sum(basic_vec)
FacSum = np.sum(factor_vec)
# define
f = lambda x, FacSum: np.abs(BaseSum - FacSum * x)
result = minimize_scalar(f, args = (FacSum,), bounds = (0, FacSum), method = 'bounded')
# prints
print("x = ", result.x)
print("BaseSum - FacSum * x = ", f(result.x, FacSum))
Выход:
x = 0.741461642947231
BaseSum - FacSum * x = 0.004465840431748802
Более того, я даже не уверен, почему вам даже нужно использовать минимизацию, когда вы можете просто сделать:
x = BaseSum/FacSum