python - Scipy优化器找到最小误差和

Question

我有一张这样的桌子：

我的目标是使用 Scipy 优化来找到 P1 和 P2 的正确值，以便我的 V3 等于 V1，V3= P1+ P2。我正在寻找一种方法来尝试 P1 和 P2 的不同值以获得 abs（误差总和）= abs（V3-V1）的最小可能值

使用excel求解器的解决方案：

但不是为每一行设置不同的 P1 和 P2 值，我想要一个组合，使 V3 尽可能接近 V1，并且可能存在最小误差和。

标签： pythondataframeoptimizationscipy

Answer 1

看，我想我理解你想要达到的目标，你真的不需要 scipy 来做到这一点。对于初学者，您对 P1 和 P2 的值并不真正感兴趣，因为您确实只想优化它们的总和 V3，因此实际上任何两个总和为最佳 V3 的数字都可以完成这项工作。现在我们要找到V3了。这实际上很容易做到，因为上述最佳值将是两个数字之一，其中只有一位有效小数位最接近平均值。在代码中：

def find_minimum_error_sum(V1):
    error = lambda x: sum(abs(i-x) for i in V1)
    adjusted_mean = (sum(V1)*10//len(V1))/10
    if error(adjusted_mean) <= error(adjusted_mean+0.1):
        return adjusted_mean
    else:
        return adjusted_mean+0.1

在包含您的 V1 值的数组上调用该函数，您正在寻找的 V3 将被返回。再说一次，任何 2 个总和为 V3 的数字都可以是您的 P1 和 P2。但要小心：只有当数组中的每个数字都包含一个有效的十进制数字时，该函数才会起作用！

编辑：正如 Joseph Budin 巧妙地指出的那样，您只需计算数组的中位数即可直接找到 V3：

from statistics import median   
V3 = median([0.5, 0.3, 0.6, 0.5, 0.7, 0.2, 0.1])

就是这样。