Отфильтрованная интерполяция с использованием панд / Scipy - PullRequest
Новая
       1

Отфильтрованная интерполяция с использованием панд / Scipy

0 голосов
/ 04 апреля 2020

Я ищу предложения о том, как улучшить приведенный ниже процесс.

У меня есть таблица с именем deductible_table , в которой содержится сопоставление страховой суммы, франшизы и опасности с соответствующим коэффициентом дисконтирования. Эта таблица используется в качестве справочной информации, где для выполнения интерполяции содержится известное отображение.

Мне предоставляется input_table , где каждая Группа представляет уникальный почтовый индекс / AOI комбинация.

Проблема, с которой я сталкиваюсь, связана с текущим состоянием, в котором я работаю над новыми логами c. Эта логика c гласит, что Ветер Опасность должна иметь такое же количество франшизы, что и ураган

Однако в Hurricane есть логика c, настроенная на то, что определенные почтовые индексы содержат обязательную 3% франшизу на сумму риска урагана, независимо от того, что они выбрали ранее. Чтобы учесть это, я создал новый столбец с именем Ураган 3% . Следует отметить, что значение этого столбца не влияет на сумму франшизы Ветер . Например, если изначально франшиза урагана была установлена ​​на 0,02, но помечена как 3%, это не повлияет на франшизу Ветер .

Приведенный ниже код работает для небольших наборов данных , Тем не менее, это довольно громоздко, когда я имею дело с большими наборами данных. Я полагаю, что проблема заключается в моем методе интерполяции ветра и урагана, когда я повторяю одну за другой и применяю такое количество комбинаций страховка / франшиза.

Ценю руководство / предложения. 

import pandas as pd
import numpy as np
from scipy import interpolate

data_deduct={'Policy Amount Of Insurance':[100,200,300,100,200,300,100,200,300],'Deductible Amount':[0.02,0.02,0.02,0.03,0.03,0.03,1000,1000,1000],"Fire":[1,1,1,1,1,1,.8,.7,.6],"Wind":[1,1,1,1,1,1,1,.8,.8],"Hurricane":[.2,.2,.2,.6,.5,.3,1,1,1]}
deductible_table=pd.DataFrame(data_deduct)


input_data={'Group':[1,2,3,4,5,6,7,8,9],'Enter Amount of Insurance':[105,205,305,105,205,305,105,205,305],'All Other Peril Deductible':[0.02,0.02,0.02,0.02,0.02,0.02,0.02,0.02,0.02],'Hurricane Deductible':[0.02,0.02,0.02,0.02,0.02,0.02,0.02,0.02,0.02],'Hurricane 3%':[0.02,0.02,0.02,0.02,0.03,0.02,0.03,0.02,0.02]}
input_table=pd.DataFrame(input_data)






all_peril_deductible_factor=pd.DataFrame()
deductible_table=pd.melt(deductible_table,id_vars=['Policy Amount Of Insurance','Deductible Amount'],var_name='Peril Type',value_name='Factor')

for deduct in list(input_table['All Other Peril Deductible'].unique()):
    deduct_table=deductible_table[deductible_table['Deductible Amount']==deduct]
    for peril in list(deduct_table['Peril Type'].unique()):
        x=deduct_table['Policy Amount Of Insurance'][deduct_table['Peril Type']==peril]
        y=deduct_table['Factor'][deduct_table['Peril Type']==peril]
        f=interpolate.interp1d(x,y,fill_value="extrapolate")
        xnew=input_table[['Enter Amount of Insurance']]
        ynew=f(xnew)
        append_frame=input_table[['Group','Enter Amount of Insurance']]
        append_frame['Peril Type']=str(peril)
        append_frame['Factor']=ynew
        all_peril_deductible_factor=all_peril_deductible_factor.append(append_frame)
        #all_peril_deductible_factor=all_peril_deductible_factor.append(deduct_table[['Group','Enter Amount of Insurance','All Other Peril Deductible','Hurricane Deductible','Peril Type','Factor']])




wind_deductible_factor=input_table[['Group']]
wind_factor=[]
wind_aoi=[]
aoi_list=np.array(input_table['Enter Amount of Insurance'].to_list())
w_deduct_list=np.array(input_table['Hurricane Deductible'].to_list())
for aoi, w_deduct in zip(aoi_list,w_deduct_list):
    w_deduct_table=deductible_table[deductible_table['Deductible Amount']==w_deduct]
    for peril in ['Wind']:
        x=w_deduct_table['Policy Amount Of Insurance'][w_deduct_table['Peril Type']==peril]
        y=w_deduct_table['Factor'][w_deduct_table['Peril Type']==peril]
        f=interpolate.interp1d(x,y,fill_value="extrapolate")
        xnew=aoi
        ynew=f(xnew)
        wind_aoi.append(aoi)
        wind_factor.append(ynew)
wind_deductible_factor['Peril Type']=str(peril)
wind_deductible_factor['Enter Amount of Insurance']=wind_aoi
wind_deductible_factor['Factor']=wind_factor


hurricane_deductible_factor=input_table[['Group']]
hurricane_factor=[]
hurricane_aoi=[]
aoi_list=np.array(input_table['Enter Amount of Insurance'].to_list())        
h_deduct_list=np.array(input_table['Hurricane 3%'].to_list())
for aoi,h_deduct in zip(aoi_list,h_deduct_list):
    h_deduct_table=deductible_table[deductible_table['Deductible Amount']==h_deduct]
    for peril in ['Hurricane']:              
        x=h_deduct_table['Policy Amount Of Insurance'][h_deduct_table['Peril Type']==peril]
        y=h_deduct_table['Factor'][h_deduct_table['Peril Type']==peril]
        f=interpolate.interp1d(x,y,fill_value="extrapolate")
        xnew=aoi
        ynew=f(xnew)
        hurricane_aoi.append(aoi)
        hurricane_factor.append(ynew)                
hurricane_deductible_factor['Peril Type']=str(peril)
hurricane_deductible_factor['Enter Amount of Insurance']=hurricane_aoi
hurricane_deductible_factor['Factor']=hurricane_factor

# Concat deductible tables
combine=all_peril_deductible_factor[(all_peril_deductible_factor['Peril Type']!='Hurricane') & (all_peril_deductible_factor['Peril Type']!='Wind')]

all_peril_deductible_factor=pd.concat([combine,hurricane_deductible_factor,wind_deductible_factor])
...