用scipy极小解因子

Question

我试着去解乘以向量“factor”和的因子x。向量“Factor”的和应该是向量“Basic”的和。 首先，我读到一个csv，它看起来像下面的数据帧：

提前谢谢你的帮助。你知道吗

嗯，我也试过最小化和反弹。也许用它会更好科学优化？你知道吗

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))

raisevalueerror（“目标函数必须返回标量”）

ValueError:目标函数必须返回标量

Answer 1

我认为你不一定需要scipy.optimize.minimize。因为要最小化标量，所以可以使用scipy.optimize.minimize_scalar（docs）。可以按以下方式进行：

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))

输出：

x                    =  0.741461642947231
BaseSum - FacSum * x =  0.004465840431748802

此外，我甚至不知道为什么你甚至需要使用最小化，当你可以简单地做：

x = BaseSum/FacSum