Python 如何设置数据结构以使熊猫和numpy合作？

编译基于pandas和numpy的代码时遇到问题。我将试图通过提供一个缩小规模的工作示例来解释问题所在

我基本上想做的是马科维茨投资组合优化，方法如下

df = pd.DataFrame()
df['AAPL'] = [1.2,1.4,1.5]
df['GOOGL'] = [2.1,2.4,2.6]
df['DATE'] = ['2017-01-01', '2017-01-02','2017-01-03']
df = df.set_index('DATE')

首先，我有一个pandas.Dataframe，它以下面的方式显示给定股票的收盘价

df = pd.DataFrame()
df['AAPL'] = [1.2,1.4,1.5]
df['GOOGL'] = [2.1,2.4,2.6]
df['DATE'] = ['2017-01-01', '2017-01-02','2017-01-03']
df = df.set_index('DATE')

接下来，我想创建一些基本统计信息，以便在某些函数中传递数据，具体操作如下：

returns = df.pct_change()
mean_returns = returns.mean()
cov_matrix = returns.cov()
num_portfolios = 10
risk_free_rate = 0.0178

这些统计数据的类型为：

pandas.core.series.Series
pandas.core.frame.DataFrame

以下功能是问题开始出现的地方：

def portfolio_annualised_performance(weights, mean_returns, cov_matrix):
    returns = np.sum(mean_returns*weights ) *252
    std = np.sqrt(np.dot(weights.T, np.dot(cov_matrix, weights))) * np.sqrt(252)
    return std, returns

def random_portfolios(num_portfolios, mean_returns, cov_matrix, risk_free_rate):
    results = np.zeros((3,num_portfolios))
    print('results:',type(results))
    weights_record = []
    for i in range(num_portfolios):
        weights = np.random.random(12)
        weights /= np.sum(weights)
        weights_record.append(weights)
        portfolio_std_dev, portfolio_return = portfolio_annualised_performance(weights, mean_returns, cov_matrix)
        results[0,i] = portfolio_std_dev
        results[1,i] = portfolio_return
        results[2,i] = (portfolio_return - risk_free_rate) / portfolio_std_dev
    #print('results[2,0]:',type(results[2,0]))
    #print('std', type(portfolio_std_dev))
    #print(portfolio_return)
    return results, weights_record


def display_simulated_ef_with_random(mean_returns, cov_matrix, num_portfolios, risk_free_rate):
    results, weights = random_portfolios(num_portfolios, mean_returns, cov_matrix, risk_free_rate)


    max_sharpe_idx = np.argmax(np.array(results[2]))
    sdp, rp = results[0,max_sharpe_idx], results[1,max_sharpe_idx]
    max_sharpe_allocation = pd.DataFrame(weights[max_sharpe_idx],index=df.columns,columns=['allocation'])
    max_sharpe_allocation.allocation = [round(i*100,2)for i in max_sharpe_allocation.allocation]
    max_sharpe_allocation = max_sharpe_allocation.T

    min_vol_idx = np.argmin(results[0])
    sdp_min, rp_min = results[0,min_vol_idx], results[1,min_vol_idx]
    min_vol_allocation = pd.DataFrame(weights[min_vol_idx],index=df.columns,columns=['allocation'])
    min_vol_allocation.allocation = [round(i*100,2)for i in min_vol_allocation.allocation]
    min_vol_allocation = min_vol_allocation.T

尝试运行时：

显示带有随机COV矩阵的模拟ef、平均回报、投资组合数量、无风险率

出现以下错误

----> 2     results, weights = random_portfolios(num_portfolios, mean_returns, cov_matrix, risk_free_rate)

---> 15         results[0,i] = portfolio_std_dev

ValueError: setting an array element with a sequence.

---

我做错了什么？如何解决这个问题？

您调用函数时使用的参数顺序错误。交换前两个，效果良好：

display_simulated_ef_with_random(mean_returns, cov_matrix, num_portfolios, risk_free_rate)

---

您使用的是什么版本的python、pandas和numpy？在将权重大小更改为weights=np.random.random2后，这对我来说没有错误，因为您只提供了2个资产我使用的是numpy 1.14.3和pandas 0.23.0。哦，很抱歉，在我的完整示例中，我有12项资产，如果有兴趣，发布完整代码的链接。@KenSyme我看到它对我也有效，问题出现在我意识到的最晚阶段，我将发布。与其告诉我们问题从何处开始，不如给我们一行不起作用的特定代码，我已经发布了整个错误，因为我相信它深深地存在于数据结构中，并且相信它不能仅仅通过更改一行代码来修复。但我可能像往常一样完全错了。我甚至没有想到这一点，感到羞愧，但你刚刚解决了我两天来遇到的一个问题。谢谢你在细节和时间上给予我关注！