如何解决pandas数据框中的变量？

编程问答 2022-08-14

问题描述

我在Excel中执行了求解器函数以最小化变量并获得成功。我们可以在下面看到我的制作方法：

  • 首先，我们获得了与“客队”，“客场”，“主场”的比赛表 团队”，“主场得分”，“比赛总数”，“主场移动”：

Excel table

  • 然后，我们得到每个团队需要最小化的变量：

Variables minimized

  • 这是我想在其中生成的求解器功能的设置 Python：

Set Up solver function

在Python中，我导入了表“ Away Team”，“ Away Pts”，“ Home Team”，“ Home Pts”，“ Game Total”和“ Home MoV”信息，然后创建了更多与以下内容相关的两列将被最小化的变量。在添加的第一列中，变量与主队实力（ht1，ht2，...，ht18）相关，等同于Excel中AB列中的变量，在第二列中，有客队实力变量（at1，at2 ，...，at18），相当于Excel中的AC列。

它们将用于公式中，以便像以前在Excel中一样为主队和客队计算参数估算：

  1. PEhome = Hadj + ht [i]-at [i];
  2. PEaway = Aadj + ht [i]-at [i]

其中Hadj是“房屋调整”，而Aadj是“客舱调整”。

  • 如何获得 Hadj ， Aadj 以及所有 ht [i] 和 at [i] 的解决方法是否应用OLS最小化？

我最大的挑战是知道如何在python中进行设置，如果真的需要添加带有变量的列，以及如何组织所有这些以使用scipy.minimization。

注意：在使用“ np.linalg.lstsq”之前，我已经解决了变量，该操作变得如此简单和容易，但是目前，我的变量在熊猫数据帧的每一行中都会发生变化。我的疑问是如何设置所有这些值以解决这些值。因此，我尝试应用“ scipy.minimization”来完成此任务，但没有成功。但这不是正确的组织方式。下面的代码。

# Variables to be minimized
'''Get unique variables in columns 'HT' and 'AT',sort items,and append more two variables that will be also minimized: 'Hadj',and 'Aadj',that is home and away adjustments.'''

var = np.concatenate([games['HT'].unique(),games['AT'].unique()])
var = sorted(var,key=lambda x: int("".join([i for i in x if i.isdigit()])))
var = np.append(var,['Hadj','Aadj'])


# Initial values for var to be minimized
initial = np.repeat(10.,var.size)

# ratings for home and away team
def func(coeffs,var,games):
    # Parameter Estimate for Home and Away teams:
    lookup = dict()
    for i in range(len(var)):
        lookup[var[i]] = coeffs[i]
    games = games.replace(lookup)

'''functions = Home Adjustment + home team - away team
              Away Adjustment + home team - away team'''


    peH = games['Hadj'] + games['HT'] - games['AT']
    peA = games['Aadj'] + games['HT'] - games['AT']
    
    # EXP Function
    expFH = math.exp(peH) / (1 + math.exp(peH))
    expFA = math.exp(peA) / (1 + math.exp(peA))
    
    # Z score
    homeZs = norm.cdf(expFH)
    awayZs = norm.cdf(expFA)
    
    # Estimated Points
    estHP = avgHP + (homeZs * stdevHP)
    estAP = avgAP + (awayZs * stdevAP)
    
    # Errors Sq for each teams,then sum them all
    homeEsq = np.array((estHP - games['Home Pts'])**2).sum()
    awayEsq = np.array((estAP - games['Away Pts'])**2).sum()
    totalEsq = homeEsq + awayEsq
    
    return totalEsq

res = minimize(func,x0=initial,args=(var,games))

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）

minimizationnumpypythonscipy-optimize-minimizesolver