python收益率计算-scipy.optimize-大量计算的好帮手

简介: python收益率计算-scipy.optimize-大量计算的好帮手
import time
import datetime
from scipy.optimize import fsolve
for i in range(1,50):
    print('第'+str(i)+'次计算开始')
    x = Symbol('x')
    startTime=time.strftime('%Y-%m-%d %H:%M:%S',time.localtime())
    print(startTime)
    mystr=''
    for j in range(1,i+1):
        mystr+='+x0**'+str(j)
    mystr=mystr[1:]
    mystr+='-'+str(i*1.1)
    def f(x): 
        x0,x1 = x.tolist() 
        return [eval(mystr),x1-1]
    # f计算方程组的误差,[1,1,1]是未知数的初始值
    result = fsolve(f, [1,1]) 
    print('计算的结果:'+str(result[0]))
    endTime=time.strftime('%Y-%m-%d %H:%M:%S',time.localtime())
    print(endTime)
    startTime= datetime.datetime.strptime(startTime,"%Y-%m-%d %H:%M:%S")  
    endTime= datetime.datetime.strptime(endTime,"%Y-%m-%d %H:%M:%S")
    seconds = (endTime- startTime).seconds  
    print('第{}次方方程计算耗费的时间为{}秒'.format(i,seconds))
第1次计算开始
2018-02-10 10:59:16
计算的结果:1.1
2018-02-10 10:59:16
第1次方方程计算耗费的时间为0秒
第2次计算开始
2018-02-10 10:59:16
计算的结果:1.06524758425
2018-02-10 10:59:16
第2次方方程计算耗费的时间为0秒
第3次计算开始
2018-02-10 10:59:16
计算的结果:1.04841820059
2018-02-10 10:59:16
第3次方方程计算耗费的时间为0秒
第4次计算开始
2018-02-10 10:59:16
计算的结果:1.0384898048
2018-02-10 10:59:16
第4次方方程计算耗费的时间为0秒
第5次计算开始
2018-02-10 10:59:16
计算的结果:1.03194010353
2018-02-10 10:59:16
第5次方方程计算耗费的时间为0秒
第6次计算开始
2018-02-10 10:59:16
计算的结果:1.02729525698
2018-02-10 10:59:16
第6次方方程计算耗费的时间为0秒
第7次计算开始
2018-02-10 10:59:16
计算的结果:1.02382979878
2018-02-10 10:59:16
第7次方方程计算耗费的时间为0秒
第8次计算开始
2018-02-10 10:59:16
计算的结果:1.02114514858
2018-02-10 10:59:16
第8次方方程计算耗费的时间为0秒
第9次计算开始
2018-02-10 10:59:16
计算的结果:1.01900414185
2018-02-10 10:59:16
第9次方方程计算耗费的时间为0秒
第10次计算开始
2018-02-10 10:59:16
计算的结果:1.01725683123
2018-02-10 10:59:16
第10次方方程计算耗费的时间为0秒
第11次计算开始
2018-02-10 10:59:16
计算的结果:1.0158037701
2018-02-10 10:59:16
第11次方方程计算耗费的时间为0秒
第12次计算开始
2018-02-10 10:59:16
计算的结果:1.01457640367
2018-02-10 10:59:16
第12次方方程计算耗费的时间为0秒
第13次计算开始
2018-02-10 10:59:16
计算的结果:1.0135259383
2018-02-10 10:59:16
第13次方方程计算耗费的时间为0秒
第14次计算开始
2018-02-10 10:59:16
计算的结果:1.0126166999
2018-02-10 10:59:16
第14次方方程计算耗费的时间为0秒
第15次计算开始
2018-02-10 10:59:16
计算的结果:1.01182200225
2018-02-10 10:59:16
第15次方方程计算耗费的时间为0秒
第16次计算开始
2018-02-10 10:59:16
计算的结果:1.0111214842
2018-02-10 10:59:16
第16次方方程计算耗费的时间为0秒
第17次计算开始
2018-02-10 10:59:16
计算的结果:1.01049934055
2018-02-10 10:59:16
第17次方方程计算耗费的时间为0秒
第18次计算开始
2018-02-10 10:59:16
计算的结果:1.0099431153
2018-02-10 10:59:16
第18次方方程计算耗费的时间为0秒
第19次计算开始
2018-02-10 10:59:16
计算的结果:1.00944285914
2018-02-10 10:59:16
第19次方方程计算耗费的时间为0秒
第20次计算开始
2018-02-10 10:59:16
计算的结果:1.0089905291
2018-02-10 10:59:16
第20次方方程计算耗费的时间为0秒
第21次计算开始
2018-02-10 10:59:16
计算的结果:1.00857955281
2018-02-10 10:59:16
第21次方方程计算耗费的时间为0秒
第22次计算开始
2018-02-10 10:59:16
计算的结果:1.00820450712
2018-02-10 10:59:16
第22次方方程计算耗费的时间为0秒
第23次计算开始
2018-02-10 10:59:16
计算的结果:1.00786087742
2018-02-10 10:59:16
第23次方方程计算耗费的时间为0秒
第24次计算开始
2018-02-10 10:59:16
计算的结果:1.00754487502
2018-02-10 10:59:16
第24次方方程计算耗费的时间为0秒
第25次计算开始
2018-02-10 10:59:16
计算的结果:1.00725329691
2018-02-10 10:59:16
第25次方方程计算耗费的时间为0秒
第26次计算开始
2018-02-10 10:59:16
计算的结果:1.00698341677
2018-02-10 10:59:16
第26次方方程计算耗费的时间为0秒
第27次计算开始
2018-02-10 10:59:16
计算的结果:1.00673289949
2018-02-10 10:59:16
第27次方方程计算耗费的时间为0秒
第28次计算开始
2018-02-10 10:59:16
计算的结果:1.00649973342
2018-02-10 10:59:16
第28次方方程计算耗费的时间为0秒
第29次计算开始
2018-02-10 10:59:16
计算的结果:1.00628217624
2018-02-10 10:59:16
第29次方方程计算耗费的时间为0秒
第30次计算开始
2018-02-10 10:59:16
计算的结果:1.00607871136
2018-02-10 10:59:16
第30次方方程计算耗费的时间为0秒
第31次计算开始
2018-02-10 10:59:16
计算的结果:1.00588801249
2018-02-10 10:59:16
第31次方方程计算耗费的时间为0秒
第32次计算开始
2018-02-10 10:59:16
计算的结果:1.00570891471
2018-02-10 10:59:16
第32次方方程计算耗费的时间为0秒
第33次计算开始
2018-02-10 10:59:16
计算的结果:1.00554039065
2018-02-10 10:59:16
第33次方方程计算耗费的时间为0秒
第34次计算开始
2018-02-10 10:59:16
计算的结果:1.00538153076
2018-02-10 10:59:16
第34次方方程计算耗费的时间为0秒
第35次计算开始
2018-02-10 10:59:16
计算的结果:1.00523152693
2018-02-10 10:59:16
第35次方方程计算耗费的时间为0秒
第36次计算开始
2018-02-10 10:59:16
计算的结果:1.00508965868
2018-02-10 10:59:16
第36次方方程计算耗费的时间为0秒
第37次计算开始
2018-02-10 10:59:16
计算的结果:1.00495528162
2018-02-10 10:59:16
第37次方方程计算耗费的时间为0秒
第38次计算开始
2018-02-10 10:59:16
计算的结果:1.00482781767
2018-02-10 10:59:16
第38次方方程计算耗费的时间为0秒
第39次计算开始
2018-02-10 10:59:16
计算的结果:1.00470674674
2018-02-10 10:59:16
第39次方方程计算耗费的时间为0秒
第40次计算开始
2018-02-10 10:59:16
计算的结果:1.00459159962
2018-02-10 10:59:16
第40次方方程计算耗费的时间为0秒
第41次计算开始
2018-02-10 10:59:16
计算的结果:1.00448195194
2018-02-10 10:59:16
第41次方方程计算耗费的时间为0秒
第42次计算开始
2018-02-10 10:59:16
计算的结果:1.0043774189
2018-02-10 10:59:16
第42次方方程计算耗费的时间为0秒
第43次计算开始
2018-02-10 10:59:16
计算的结果:1.00427765079
2018-02-10 10:59:16
第43次方方程计算耗费的时间为0秒
第44次计算开始
2018-02-10 10:59:16
计算的结果:1.00418232908
2018-02-10 10:59:16
第44次方方程计算耗费的时间为0秒
第45次计算开始
2018-02-10 10:59:16
计算的结果:1.00409116299
2018-02-10 10:59:16
第45次方方程计算耗费的时间为0秒
第46次计算开始
2018-02-10 10:59:16
计算的结果:1.00400388658
2018-02-10 10:59:16
第46次方方程计算耗费的时间为0秒
第47次计算开始
2018-02-10 10:59:16
计算的结果:1.0039202561
2018-02-10 10:59:16
第47次方方程计算耗费的时间为0秒
第48次计算开始
2018-02-10 10:59:16
计算的结果:1.00384004778
2018-02-10 10:59:16
第48次方方程计算耗费的时间为0秒
第49次计算开始
2018-02-10 10:59:16
计算的结果:1.00376305576
2018-02-10 10:59:16
第49次方方程计算耗费的时间为0秒
目录
相关文章
|
3天前
|
分布式计算 负载均衡 并行计算
Python 分布式计算框架 PP (Parallel Python):集群模式下的实践探索
该文介绍了使用Parallel Python (PP) 在两台物理机上构建分布式计算集群的经验。PP是一个轻量级框架,旨在简化Python代码在多处理器系统和集群中的并行执行。文中通过设置子节点的IP、端口和密钥启动PP服务器,并在主节点创建PP实例进行负载均衡。实验使用官方的质数和计算示例,显示PP在集群模式下能有效利用多台机器的多核CPU,实现计算效率的显著提升。未来,作者计划进一步研究PP在更复杂任务和大规模集群中的应用潜力。
|
3天前
|
机器学习/深度学习 算法 Serverless
利用无穷级数逼近计算幂运算与开根号——Python实现
使用泰勒级数逼近法,本文介绍了如何用Python计算特殊幂运算,包括分数次幂和开根号。通过定义辅助函数,如`exp`、`getN_minus_n`、`multi`和`getnum`,实现了计算任意实数次幂的功能。实验结果显示,算法能有效计算不同情况下的幂运算,例如`0.09^2`、`1^2`、`0.25^2`、`0.09^(0.5)`、`1^(0.5)`和`0.25^(0.5)`。虽然精度可能有限,但可通过调整迭代次数平衡精度与计算速度。
|
25天前
|
算法 程序员 Python
年底工资总结,实例教你用Python计算个税 依法纳税做好公民(1)
年底工资总结,实例教你用Python计算个税 依法纳税做好公民(1)
|
28天前
|
数据采集 数据挖掘 关系型数据库
Excel计算函数(计算机二级)(1),2024年最新2024Python架构面试指南
Excel计算函数(计算机二级)(1),2024年最新2024Python架构面试指南
|
28天前
|
Python
【Python 百练成钢】高精度加法、阶乘计算、矩阵幂运算、矩阵面积交
【Python 百练成钢】高精度加法、阶乘计算、矩阵幂运算、矩阵面积交
|
28天前
|
存储 算法 Python
【Python 百练成钢】高精度加法、阶乘计算、矩阵幂运算、矩阵面积交(2)
【Python 百练成钢】高精度加法、阶乘计算、矩阵幂运算、矩阵面积交(2)
|
28天前
|
存储 算法 Python
【Python 百练成钢】高精度加法、阶乘计算、矩阵幂运算、矩阵面积交(1)
【Python 百练成钢】高精度加法、阶乘计算、矩阵幂运算、矩阵面积交(1)
|
30天前
|
Python
python计算线段角度
python计算线段角度
13 0
|
30天前
|
安全 数据安全/隐私保护 Python
Python的整型在计算中具有以下优势
【5月更文挑战第6天】Python整型提供任意精度整数计算,无溢出风险;支持多种算术运算,操作简便;作为不可变类型保证数据安全;能进行高级数学运算,并有NumPy等库加持,适合数值分析和科学计算。
24 0
|
30天前
|
Python
Python的整型在计算中的精度可以通过使用二进制或十进制表示来体现
【5月更文挑战第6天】Python整型支持十、二、八、十六进制表示,其中十进制默认,二进制(0b前缀)、八进制(0o前缀)、十六进制(0x前缀)。计算时以二进制精度处理,确保结果准确。例如:123的二进制是0b1111011,八进制是0o173,十六进制是0x7b。
22 0