ValueError: f(a)和f(b)必须有不同的符号
ValueError: f(a)和f(b)必须有不同的符号
提问于 2018-12-05 12:08:47
我有一个列日期，现金，利率，名字的数据。当我尝试按名称分组时，我能够找到XIRR的值，但是当我尝试按速率分组时，错误出现如下
文件"C:\ProgramData\Anaconda3\lib\site-packages\scipy\optimize\zeros.py"，第519行，以brentq r= _zeros._brentq(f，a，b，xtol，rtol，maxiter，args，full_output，disp)为单位 ValueError: f(a)和f(b)必须有不同的符号“
def xnpv(rate, values, dates):
if rate <= -1.0:
return float('inf')
d0 = dates.min() # or min(dates)
return sum([ vi / (1.0 + rate)**((di - d0).days / 365.0) for vi, di in zip(values, dates)])
def xirr(values, dates):
try:
return scipy.optimize.newton(lambda r: xnpv(r, values, dates), 0.0)
except RuntimeError: # Failed to converge?
return scipy.optimize.brentq(lambda r: xnpv(r, values, dates), -1.0, 1e10)
def f(x):
x["XNPV"] = xnpv(0.1, x["Cash"], x['Date'])
x["XIRR"] = xirr( x["Cash"], x['Date'])
return x
f2 = f1.groupby('RATE').apply(f)回答 2
Stack Overflow用户
发布于 2018-12-05 12:14:14
错误信息相当清楚。来自文档
返回浮点数，a和b之间的f值为零，f必须是一个连续函数，a，b必须是一个符号变化区间。
这种情况之所以发生，是因为brentq致力于修改“二分法”的寻根技术，而牛顿法则不然。如果保证区间之间存在根(这意味着符号必须在区间之间改变)，brentq将始终收敛。
这与牛顿方法形成了鲜明对比，牛顿法不受同样的要求，但由于最初的根猜测而无法收敛。
在这里，的底线是 scipy.optimize.brentq(lambda r: xnpv(r, values, dates), -1.0, 1e10)，该间隔被处理为-1.0，1e10，并且对于这两个值，函数必须计算为相同的符号。您需要为f(a)和f(b)提供一个具有不同值的间隔，以确保根位于两者之间。
Stack Overflow用户
发布于 2022-04-06 19:57:36
我想出了一个解决同样错误的解决方案。我相信错误是由于你有一些极小的数字，如1.1e-33，这会带来麻烦。
X_train = round(X_train,8)解决了我的问题。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/53631988
复制相关文章
相似问题
腾讯云开发者
