Pandas:合并实际值和预测值
Pandas: Combining Actual and Prediction Values
我正在尝试将实际目标值和预测目标值组合为一个数据框。但是,我收到以下错误。不确定为什么会这样。
a = pd.DataFrame(y_test, columns=['Actual'])
b = pd.DataFrame(final_model.predict(X_test), columns=['Predictions'])
c = pd.concat([a, b])
c.head()
Actual Vs Prediction
您可以直接分配给新列。只要 y_test 的形状和模型的预测相同,执行以下操作应该没有问题:
base = pd.DataFrame()
base["actual"] = y_test
base["predictions"] = final_model.predict(X_test)
试试 pd.concat([a, b], axis=1)
,尽管这不是一个完美的解决方案。
@nimbous 已经回答了,但是如果你想要更少的中间步骤,使用字典来创建一个 df。
c = pd.DataFrame({"Actual": y_test, "Predictions": final_model.predict(X_test)})
我正在尝试将实际目标值和预测目标值组合为一个数据框。但是,我收到以下错误。不确定为什么会这样。
a = pd.DataFrame(y_test, columns=['Actual'])
b = pd.DataFrame(final_model.predict(X_test), columns=['Predictions'])
c = pd.concat([a, b])
c.head()
Actual Vs Prediction
您可以直接分配给新列。只要 y_test 的形状和模型的预测相同,执行以下操作应该没有问题:
base = pd.DataFrame()
base["actual"] = y_test
base["predictions"] = final_model.predict(X_test)
试试 pd.concat([a, b], axis=1)
,尽管这不是一个完美的解决方案。
@nimbous 已经回答了,但是如果你想要更少的中间步骤,使用字典来创建一个 df。
c = pd.DataFrame({"Actual": y_test, "Predictions": final_model.predict(X_test)})