如何基于numpy数组优化目标函数并解决scipy.brute运行TypeError问题

报错根因 #

错误来自参数传递的逻辑问题：
scipy.optimize.brute的args参数要求传入元组，用于给目标函数传递额外参数。你直接传入numpy数组processed时，底层会把数组按第一维拆分，传入bwp的*processed就变成了由数组每行组成的元组，而非完整的二维numpy数组。元组不支持[i, 3]这种多维索引写法，所以执行到对应代码时就抛出了类型错误。

其他潜在问题 #

你的循环逻辑里i从0开始遍历，当i=0时processed[i-1,4]会自动取数组最后一行的第5列，如果你不是有意要做循环移位的话，这部分逻辑不符合时间序列取前一行的业务需求。

修复方案 #

第一步：调整参数传递 #

调用brute时把processed包装成单元素元组，确保完整传入目标函数。

第二步：调整循环起始值 #

把循环起始值改成1，避免取i-1=-1的无效索引（若业务确实需要i=0时取数据集最后一行作为前序数据，可保留原range设置）。

第三步（可选）：简化目标函数参数写法 #

去掉*processed的可变参数写法，直接声明为单个参数更清晰，避免后续踩坑。

修复后代码 #

目标函数 #

def bwp(x, processed):
    pred, real = x
    money = 1000
    # 循环从1开始，保证i-1是前一行的有效索引
    for i in range(1, len(processed)):
        if processed[i, 3] > pred and processed[i-1,4] > real:
            money = money + (money * processed[i, 4])
    return money * -1

优化函数 #

from scipy import optimize

def opt_2(processed):
    bounds = (slice(-1, 1), slice(-1, 1))
    # 注意args参数要加逗号包装成单元素元组
    resbrute = optimize.brute(bwp, ranges=bounds, args=(processed,), full_output=True, finish=optimize.fmin)
    print("最优参数：", resbrute[0])
    print("最优目标值：", resbrute[1])

内容的提问来源于stack exchange，提问作者tribo32