牛顿法在大熊猫

我试图使用scipy.newton法在大熊猫数据帧进行优化。牛顿法在大熊猫

首先，我的数据帧创建如下。二，创建函数Px。第三，创建另一个函数YieldCalc，其中我使用scipy.newton来优化以找到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().

来源

2014-07-15 Wade Bratz

是否加入'.values'到您的列（如'Mkt_price.values'）修复错误？ Iirc，熊猫数据框的标准布尔操作与numpy矩阵不同。 – FooBar

刚刚尝试过。不工作。 –

此外，如果您插入'df ['Yield'] = Px（.05）'，它会为该Rate创建具有Px（）的新列。所以我认为这与YieldCalc公式有关。 –

这里的窍门的部分就是你从df['Face']后面是不是一个单一的值甚至数组。他们仍然与熊猫绑在一起。

您可以按照建议，开始由.values方式获得访问原始数据，并且把这个变成一个功能。

另外，熊猫的数据帧有.apply方法，让您拍摄功能，并运行它在每行或山坳。

我把在你发布的代码的末尾以下（注释掉的那一行第一）

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

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

在这里的.apply方法将通过功能Foo所有条目在给定行作为一系列的df，以及参数0.1。轴的规格是按行设置的（axis=0将执行此操作）。

只需重新组织Px即可接受'Rate'和从df（按该顺序）的一系列值。然后有YieldCalc也接受这个系列。此外，您需要在调用newton时使用args=条目，以在寻找零时将该系列值传递给Px。

流程应该是：

.apply提出了一系列thing出一排从df并将它传递给YieldCalc。 YieldCalc运行newton on Px(Rate,thing)' to find费率返回0.然后，所有这些结果将被放入您的新收益列。

来源

2014-07-19 19:00:30 Dan

牛顿法在大熊猫

回答

相关问题