Python 3.x .descripe（）在表中返回错误的列值

查看图1的

gld_weight

列。它抛弃了完全错误的价值观。

btc\u权重+gld\u权重

的总和应始终为1。但是当我使用descripe函数时，为什么

gld_weight

列与返回的行值不对应

图1：

图2：

图3：

这是我的源代码：

import numpy as np
import pandas as pd
from pandas_datareader import data as wb
import matplotlib.pyplot as plt

assets = ['BTC-USD', 'GLD']
mydata = pd.DataFrame()

for asset in assets:
    mydata[asset] = wb.DataReader(asset, data_source='yahoo', start='2015-1-1')['Close']

cleandata = mydata.dropna()
log_returns = np.log(cleandata/cleandata.shift(1))

annual_log_returns = log_returns.mean() * 252 * 100
annual_log_returns

annual_cov = log_returns.cov() * 252
annual_cov

---

我不能100%确定我是否正确回答了您的问题，但问题可能是，您没有将输出重新分配给新变量，因此没有保存它。 尝试在这方面调整您的代码：

new_portfolio = new_portfolio.sort_values(by="Returns")

或者将inplace参数设置为True-

简短回答：

当初始权重值标准化完成时，在for循环中发现了手头的问题。如何修复：请参见下面答案中的更新1

获取解决方案的背景信息：

乍一看，OP的代码似乎是有序的，数组中的值按照OP通过书面代码发出的请求进行了拟合。从测试中可以看出，使用

范围（1000）

是在自找麻烦，因为大量的“随机性”结果导致价值结果疏忽。特别是当这个问题被写成一个转化问题时。因此，x/y轴值混合或其他类型的转换误差很难研究

为了解决这个问题，我使用了静态值，如

annual\u log\u returns

和

annual\u cov

所示

然后我锁定了打印的所有输出，因此值被锁定在适当的位置，无法在处理过程中进一步更改。。有可能是因为数组没有被锁定（Pavel Klammert在他的回答中也提出了这一点），所以代码的打印在运行时发生了变化

在对反馈进行评论之后，我明白了OP对“值是错误的”的含义。然后，我将重点放在了如何创建用于填充数组的值的方法上

发现了抛出错误值的问题：

使用

weights[0]=weights[0]/np.sum（weights）

替换新

weights[0]

的原始列表

value，该列表随后用作
weights[1]=weights[1]/np.sum（weights）
的新输入，因此永远无法达到sum=1

在创建
权重[0]和[1]值后，变量名
权重[0]
和
权重[1]
在两个位置直接更改为“a”和“b”，以防止覆盖初始
权重值。那么结果就是“计划的”

问题解决了


将numpy作为np导入
作为pd进口熊猫
pfolio_返回=[]
pfolio_波动率=[]
btc_重量=[]
gld_重量=[]
年度收益率=[0.69,0.71]
年平均值=0.73
游骑兵=5
对于范围内的x（ranger）：
权重=np.随机。随机（2）
权重[0]=权重[0]/np.和（权重）
权重[1]=权重[1]/np.和（权重）
权重/=np.和（权重）
btc_weight.append（权重[0]）
gld_weight.append（权重[1]）
pfolio_returns.append（np.dot（年度_log_returns，权重））
pfolio_volatility.append（np.sqrt（np.dot（weights.T，np.dot（annual_cov，weights）））
打印（权重[0]）
打印（权重[1]）
打印（重量）
#打印（pfolio_返回）
#打印（pfolio_挥发性）
npfolio_returns=np.array（pfolio_returns）
npfolio\u volatility=np.数组（pfolio\u volatility）
#数据帧（数组，索引=行名称，列=列名称，数据类型=数据类型）
新的投资组合=pd.DataFrame（{'Returns'：npfolio\u Returns，'Volatility'：npfolio\u Volatility，'btc\u weight'：btc\u weight，'gld\u weight'：gld\u weight}）
打印（新的\u公文包，“\n”）
排序=新的\u投资组合。排序\u值（按='Returns'）
sort_max_gld_weight=sort.loc[ranger-1，'gld_weight']
打印（'排序：\n'，排序'\n'）
打印（'sort max\u gld\u weight:“%s”\n'%sort\u max\u gld\u weight）#如果“999”包含最高gld\u weight。。。但在大多数情况下，情况并非如此！
sort_max_gld_weight=sort.max（axis=0）[3]#返回第4列的“gld_weight”值。
打印（'sort max\u gld\u weight:“%s”\n'%sort\u max\u gld\u weight）#这将返回第4列的'gld\u weight'值。
desc=新的投资组合。descripe（）
desc_max_gld_weight=desc.loc['max'，'gld_weight']
打印（'description:\n'，desc'，\n'）
打印（'desc max\u gld\u weight:“%s”\n“%desc max\u gld\u weight”）
max_val_gld=new_portfolio.loc[new_portfolio['gld_weight']==sort_max_gld_weight]
打印（'max-val-gld:\n'，max-val-gld'，\n'）
地点=新组合。loc[新组合['gld\U权重']>0.99]
打印（'位置：\n'，位置）

结果可以是，例如：

0.9779586087178525
0.02204139128214753
[0.97795861 0.02204139]
返回波动率btc_权重gld_权重
0  0.702820    0.627707    0.359024    0.640976
1  0.709807    0.846179    0.009670    0.990330
2  0.708724    0.801756    0.063786    0.936214
3  0.702010    0.616237    0.399496    0.600504
4  0.690441    0.835780    0.977959    0.022041 
排序：
返回波动率btc_权重gld_权重
4  0.690441    0.835780    0.977959    0.022041
3  0.702010    0.616237    0.399496    0.600504
0  0.702820    0.627707    0.359024    0.640976
2  0.708724    0.801756    0.063786    0.936214
1  0.709807    0.846179    0.009670    0.990330 
排序最大总重量：“0.02204139128214753”
最大分拣重量：“0.9903330036638084”
描述：
返回波动率btc_权重gld_权重
计数5.000000 5.000000 5.000000 5.000000
平均值0.702760 0.745532 0.361987 0.638013
标准0.007706 0.114057 0.385321 0.385321
最小值0.690441 0.616237 0.009670 0.022041
25%    0.702010    0.627707    0.063786    0.600504
50%    0.702820    0.801756    0.359024    0.640976
75%    0.708724    0.835780    0.399496    0.936214
最大值0.709807 0.846179 0.977959 0.990330
描述最大总重量：“0.9903330036638084”
最大值gld：
返回波动率btc_权重gld_权重
1  0.709807    0.846179
npfolio_returns = np.array(pfolio_returns)
npfolio_volatility = np.array(pfolio_volatility)

new_portfolio = pd.DataFrame({
    'Returns': npfolio_returns,
    'Volatility': npfolio_volatility,
    'btc_weight': btc_weight,
    'gld_weight': gld_weight
})

new_portfolio = new_portfolio.sort_values(by="Returns")