Python 3.x python能否优化一个变量以获得max Pearson'；s相关系数？

如果我的数据框架包含3列

Col1

&

Col2

&

Col3

，我需要通过考虑

Col1

中的值来获得

Col2

和

Col3

之间的最大皮尔逊相关系数，其中

Col2

的修改值通过下一个公式获得：

df['Col1']=np.power((df['Col1']),B)
df['Col2']=df['Col2']*df['Col1']

其中，B是用于获得

Col3

和

Col2

有没有一种Python方法可以这样做并返回B。有没有一种方法可以使用Python执行此操作并返回B值，我想在其他列中重复此过程。

这应该可以

import pandas as pd
import numpy as np
from scipy.optimize import minimize

# dataframe with 20 rows
df = pd.DataFrame(data=np.random.randn(20,3), 
                  columns=['Col1', 'Col2', 'Col3'])

# cost function
def cost_fun(B_array, df):
    B = B_array[0]
    new_col1 = np.power((df['Col1']), B)
    new_col2 = np.array(df['Col2']) * new_col1
    col3 = np.array(df['Col3'])
    pearson = np.corrcoef(new_col2, col3)[1,0]
    return -1*pearson # multiply by -1 to get max

# initial value
B_0 = 1.1

# run minimizer
res = minimize(cost_fun, [B_0], args=(df), 
               options={"maxiter": 100,
                        "disp": True})
# results
print(res)

---

B

的界限是什么？不是B值的界限，只是给它一个初始值，

col3

在哪里被修改？（因为您提到了“col2”和“col3”的新值），col3没有修改基于初始值B首先修改的col2。很抱歉造成误解。为什么使用这行返回值

-1*pearson乘以-1得到max

，最好使用abs（np.corrcof（new\u col2，col3）[1,0]）？

最小化

尝试获得尽可能低的目标函数值。因为我们的目标是最大化pearson，所以我们尽量减少它的负面影响。我们不想得到绝对值