pandas 如何将我在子集上训练的预测绑定回原始DF？

plupiseo 于 2022-12-16 发布在其他

关注(0)|答案(1)|浏览(100)

我正在对一个特征工程训练集进行预测，没有任何标识键。我怎样才能将我的预测合并回原始df？
原始_DF

ID.  ColumnB.   ColumnC.   ColumnD.  Target 
   A        2          3        1          8
   B        2          3        1          9
   C        2          3        1          6

然后，我在ColumnC和ColumnD上训练我的模型，得到：

Subset_to_use = ['ColumnC', 'ColumnD', 'Target']
....
#Creating Train / Test resulting in train and test set, and X and Y:  
X_train, y_train
X_test,   y_test 

# Then doing the modelling, simplified: 
rf = RandomForestRegressor(n_estimators = 100) 
rf.fit(X_train, y_train)

接下来的问题是：如何将预测绑定回original_df？因为中不再有ID列？
培训df：

ColumnC.   ColumnD.  Target 
   3        1          8
   3        1          9
   3        1          6

我的思考方向：

# Add the predictions to the df 
X_train['Prediction_TEST'] = y_train. # to have the original values 
X_test['Prediction_TEST'] = rf.predict(X_test) # to have the predicted values

然后将上述内容结合起来，例如：

all_data = pd.concat(X_train, X_test])

然而，这仅给出具有新预测的训练和测试DF，而没有其它原始列（例如，列A和列B）。
解决这个问题的最好方法是什么？谢谢！
预期结局（预测值是虚构的）：

ID.  ColumnB.   ColumnC.   ColumnD.  Target     Predicted
   A        2          3        1          8       8
   B        2          3        1          9       10
   C        2          3        1          6       7

pandas

来源：https://stackoverflow.com/questions/74799751/how-bind-my-predictions-trained-on-a-subset-back-to-the-original-df

1条答案

按热度按时间

sgtfey8w1#

只要输出的大小与输入的大小匹配，索引就不重要：

from io import StringIO
import pandas as pd
from sklearn.ensemble import RandomForestRegressor

# Reproducible data
csv_data = StringIO("""ID,ColumnB,ColumnC,ColumnD,Target
A,2,3,1,8
B,2,3,1,9
C,2,3,1,6""")

df = pd.read_csv(csv_data, index_col=0)

reg = RandomForestRegressor()
reg.fit(df[["ColumnB", "ColumnC", "ColumnD"]], df["Target"])

# Create a `Predicted` column representing testing on the train set
df["Predicted"] = reg.predict(df[["ColumnB", "ColumnC", "ColumnD"]])

print(df)

Predicted列现在包含应用训练的随机森林回归函数的结果。ID值在这里应该不重要。

ColumnB  ColumnC  ColumnD  Target  Predicted
ID                                              
A         2        3        1       8       7.74
B         2        3        1       9       7.74
C         2        3        1       6       7.74

现在考虑这样一种情况：您有单独的train和test拆分，并且每个拆分应该只能访问ColumnC和ColumnD：

from io import StringIO
import pandas as pd
from sklearn.ensemble import RandomForestRegressor
from sklearn.model_selection import train_test_split

# Reproducible data
csv_data = StringIO("""ID,ColumnB,ColumnC,ColumnD,Target
A,2,3,1,8
B,2,3,1,9
C,2,3,1,6""")

df = pd.read_csv(csv_data, index_col=0)

X_train, X_test, y_train, y_test = train_test_split(
    df[["ColumnC", "ColumnD"]], df["Target"], random_state=42,
)

reg = RandomForestRegressor()
reg.fit(X_train, y_train)

X_train和X_test仍然是DataFrame对象，所以我们可以添加表示回归变量预测的列：

X_train["train_predictions"] = reg.predict(X_train)
X_test["test_predictions"] = reg.predict(X_test)

X_test现在如下所示，X_train应该类似：

ColumnC  ColumnD  test_predictions
ID                                    
A         3        1             7.545

索引应该在转换的每一步都被保留下来，所以我们可以将重复的列C、D和join放回到原始的df上：

df = df.join([
    X_train.drop(["ColumnC", "ColumnD"], axis=1),
    X_test.drop(["ColumnC", "ColumnD"], axis=1),
])

给我们：

ColumnB  ColumnC  ColumnD  Target  train_predictions  test_predictions
ID                                                                        
A         2        3        1       8                NaN             7.695
B         2        3        1       9              7.695               NaN
C         2        3        1       6              7.695               NaN

赞(0）回复(0）举报 2022-12-16

我来回答

pandas 如何将我在子集上训练的预测绑定回原始DF？

1条答案

相关问题

热门标签

最新问答