你可以用Pandas。numpy数组没有to_csv函数。

import numpy as np
import pandas as pd
prediction = pd.DataFrame(predictions, columns=['predictions']).to_csv('prediction.csv')

如果你想让你的值以行或列的形式出现，可以添加“.T”。

可以使用numpy.savetxt函数：

numpy.savetxt('C:/localpath/test.csv',prediction, ,delimiter=',')

要加载CSV文件，可以使用numpy.genfromtxt函数：

numpy.genfromtxt('C:/localpath/test.csv', delimiter=',')

这是一个非常详细的解决方案，但你甚至可以在生产中使用它。

首先保存模型

joblib.dump(regressor, "regressor.sav")

按顺序保存列

pd.DataFrame(X_train.columns).to_csv("feature_list.csv", index = None)

车组保存数据类型

pd.DataFrame(X_train.dtypes).reset_index().to_csv("data_types.csv", index = None)

再次使用：

feature_list = pd.read_csv("feature_list.csv")
feature_list = pd.Index(list(feature_list["0"]))

add_cols = list(feature_list.difference(X_test.columns))

drop_cols = list(X_test.columns.difference(feature_list))

for col in add_cols:
    X_test[col] = np.nan

for col in drop_cols:
    X_test = X_test.drop(col, axis = 1)

# reorder columns
X_test = X_test[feature_list]

types = pd.read_csv("data_types.csv")
for i in range(len(types)):
    X_test[types.iloc[i,0]] = X_test[types.iloc[i,0]].astype(types.iloc[i,1])

预测

regressor = joblib.load("regressor.sav")
predictions = regressor.predict(X_test)

保存预测结果

res = pd.DataFrame(predictions)
res.index = X_test.index # its important for comparison
res.columns = ["prediction"]
res.to_csv("prediction_results.csv")

享受端到端模型/预测节省代码！

predictions=regressor.predict(send_to_model)
#print(predictions)
output=pd.DataFrame({"Survived":predictions})
output.to_csv('C:/Users/<username>/Downloads/predictions.csv',index=False)