我想知道使用 Scipy 来拟合 Pandas DataFrame 列的最佳方法。如果我有一个数据表(Pandas DataFrame),其中包含列(A
、B
、C
、D
和 Z_real
),其中 Z 取决于 A、B、C 和 D,我想拟合每个 DataFrame 行(系列)的函数,该函数对 Z 进行预测 (Z_pred
)。
每个要拟合的函数的签名是
func(series, param_1, param_2...)
其中series是与DataFrame的每一行对应的Pandas Series。我使用 Pandas Series,以便不同的函数可以使用不同的列组合。
我尝试使用将 DataFrame 传递给 scipy.optimize.curve_fit
curve_fit(func, table, table.loc[:, 'Z_real'])
但由于某种原因,每个 func 实例都会传递整个数据表作为其第一个参数,而不是每行的 Series。我还尝试将 DataFrame 转换为 Series 对象列表,但这会导致我的函数传递一个 Numpy 数组(我认为是因为 Scipy 执行从 Series 列表到 Numpy 数组的转换,这不会保留 Pandas系列对象)。
最佳答案
您对 curve_fit
的调用不正确。来自 the documentation :
xdata : An M-length sequence or an (k,M)-shaped array for functions with k predictors.
The independent variable where the data is measured.
ydata : M-length sequence
The dependent data — nominally f(xdata, ...)
在这种情况下,您的自变量 xdata
是 A 到 D 列,即 table[['A', 'B', 'C', 'D']]
,您的因变量 ydata
是 table['Z_real']
。
另请注意,xdata
应为 (k, M) 数组,其中 k 是预测变量(即列)的数量M 是观测值的数量(即行)。因此,您应该转置输入数据帧,使其为 (4, M) 而不是 (M, 4),即 table[['A', ' B'、'C'、'D']].T
。
对curve_fit
的整个调用可能如下所示:
curve_fit(func, table[['A', 'B', 'C', 'D']].T, table['Z_real'])
这是一个显示多元线性回归的完整示例:
import numpy as np
import pandas as pd
from scipy.optimize import curve_fit
X = np.random.randn(100, 4) # independent variables
m = np.random.randn(4) # known coefficients
y = X.dot(m) # dependent variable
df = pd.DataFrame(np.hstack((X, y[:, None])),
columns=['A', 'B', 'C', 'D', 'Z_real'])
def func(X, *params):
return np.hstack(params).dot(X)
popt, pcov = curve_fit(func, df[['A', 'B', 'C', 'D']].T, df['Z_real'],
p0=np.random.randn(4))
print(np.allclose(popt, m))
# True
关于python - 将 Pandas DataFrame 传递给 Scipy.optimize.curve_fit,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/35233664/