熊猫蟒蛇优化利润线性优化

Question

我有一个df，它拥有控制权和利润：

import numpy as np import pandas as pd

dates = pd.date_range('20130101',periods=6) 
df = pd.DataFrame(np.random.randn(6,3),index=dates,columns=['Value1', 'Value2', 'Profit']) 
df['Profit'] = df['Profit']*100 


print(df.to_string())

total_profit = df['Profit'].loc[(df.Value1 > 0) & (df.Value2 >= 0)].sum()

print(total_profit)

有没有一种熊猫的方法来优化total_profit，通过寻找过滤value1和value2的最佳匹配指标？

我的意思是，我可以循环的DF和增加/减少滤波器值，直到我找到最佳的拟合值.但我想有人已经这么做了..。也许是雪皮？

因此，我基本上需要一个函数，返回最适合value1和value2的函数，这样我就可以过滤DF并优化total_profit。假设是，value1、value2与利润之间存在相关性。

谢谢，并致以最良好的祝愿。

Answer 1

假设您只想对df.Value1和df.Value2使用观察到的值，下面的操作就可以了。

import numpy as np 
import pandas as pd

dates = pd.date_range('20130101',periods=6) 
df = pd.DataFrame(np.random.randn(6,3),index=dates,columns=['Value1', 'Value2', 'Profit']) 
df['Profit'] = df['Profit']*100 

print(df.to_string())

# create list of all possible value pairs
vals = [[i,j] for i in df.Value1 for j in df.Value2]

# create list of profits from all possible value pairs
total_profit = [df['Profit'].loc[(df.Value1 > i) & (df.Value2 >= j)].sum() for i, j in vals]

# get index of maximum profit
max_index = total_profit.index(max(total_profit))

# get values that correspond to max profit
vals[max_index]

Out[9]: [-0.51914224014959032, -0.73918945103973344]