python - Scipy 像 Excel Solver 一样最小化

Question

我有从 Python 中的 excel 读取的大数据表，我在其中执行一些计算，我的数据框看起来像这样，但我的真实表更大更复杂，但逻辑保持不变：

与：My_cal_spread=set1+set2 和 Errors = abs(My_cal_spread - spread)

我的目标是使用 Scipy Minimize 找到可以在每一行中使用的唯一相同的（Set1 和 Set 2）组合，因此 My_cal_spread 通过优化找到可能的最小错误总和来尽可能接近 Spread。

这是我在使用 excel 求解器时得到的解决方案，我正在寻找使用 Scipy 实现相同的解决方案。谢谢

我的代码如下所示：

lnt=len(df['Spread'])

df['my_cal_Spread']=''
i=0
while i<lnt:

    df['my_cal_Spread'].iloc[i]=df['set2'].iloc[i]+df['set1'].iloc[i]
    df['errors'].iloc[i] = abs(df['my_cal_Spread'].iloc[i]-df['Spread'].iloc[i])
    i=i+1

errors_sum=sum(df['errors'])