小编tha*_*eal的帖子

我有一个 LazyFrame，其中包含几个时期内的多列每小时数据。对于每个周期，我想找到涉及多列数学运算的函数的 x 值，以最小化结果。

我使用 scipy.optimize.minimize 来完成此操作，并且实际上获得了所需的结果。问题是这个过程运行得非常慢，所以我只是在寻找任何能完成相同但更快的事情。

    def minimization_target(x, period_start):\n        return hourly_data.filter(pl.col('period_start') == period_start).select((((pl.col('price').median() * pl.col('quantity').median() - (pl.col('estimated_quantity') * (pl.col('estimated_price') + x)).sum()) / (pl.col('key_product') * (pl.col('estimated_price') + x)).sum())).abs() - 1).abs()).collect().item()\n\n    results = hourly_data.group_by('period_start', maintain_order=True).map_groups(lambda group: pl.DataFrame({'x_values': scipy.optimize.minimize(minimization_target, group.get_column('initial_guess').median(), args=group.get_column('period_start').median()).x}), schema=None)\n

最小的例子：

import scipy\nimport polars as pl\nfrom datetime import datetime\n\nhourly_data = pl.DataFrame({'period': [0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3, 3], 'price': …