我在Jupyter笔记本中使用Statsmodels进行线性回归。数据位于名为“train_base”的DataFrame中,其中id列标识数据库的每个唯一主题。 Train_base是这样的:
id y x0 x1 x2
a123 20 8 1 3
b789 33 8 3 2
d782 77 9 6 5
主要代码块如下所示。请注意,我正在使用另一个名为“test_base”的基础进行预测,并且此基础也具有与“train_base”相同的结构,但“y”列除外:
results = smf.ols('y ~ x0 + x1 + x2', data=train_base).fit()
predictions = results.predict(test_base)
predictions.head()
预测是这样的:
0 -0.054789
1 -0.036042
2 -0.043962
3 -0.135725
4 -0.409129
dtype: float64
在我看来,预测中显示的第一列是原始train_base的索引(我是否正确?)。由于我需要确定测试基础中每个人的预测值,我需要做些什么才能在预测中使用“id”列?
第一:是的,id列是一个索引。第二:我无法访问您的数据来测试我的建议,但我认为以下内容可能有用(或类似的东西):
predict = pd.DataFrame(results.predict(test_base), train_base['id'])
predict.columns = ['predict']
predict
我认为如果预测中出现的每个值都与每个id索引相关,这可以起作用,因为此代码的目的是创建一个由预测结果和id索引组成的数据帧。
在@Leda Grasiele的回答(包含内部方括号和使用转置函数)中进行了一些微妙的修正,我得到了正确的代码,如下所示:
predict = pd.DataFrame([results.predict(test_base), train_base['id']]).T
predict.columns = ['predictions', 'id']
predict