Python 对新数据应用系数列表（来自回归模型）

Question

我有一个来自 sklearn 逻辑回归模型的系数列表：

[-0.52  0.31  0.059 0.1 ]

现在，我有一个新的数据框，例如：

    df =  A  B  C  D
          1  5  2  7
          6  2  1  9

我想添加一个新列 - 这是在每一行上应用系数列表的结果。所以这些值将是：

1*-0.52 + 5*0.31 + 2*0.059 + 7*0.1 = 1.848
6*-0.52 + 2*0.31 + 1*0.059 + 9*0.1 = -1.541

最好的方法是什么？

谢谢！

Answer 1

所以我们可以numpyreshape

l = [-0.52,  0.31,  0.059, 0.1 ]
s = [1, 5 ,2 ,7 ,6 ,2 ,1 ,9]
np.sum(np.array(s).reshape(-1,4)*l, axis=1)
Out[140]: array([ 1.848, -1.541])

已更新

df['New'] = df.dot(l)
df
Out[145]: 
   A  B  C  D    New
0  1  5  2  7  1.848
1  6  2  1  9 -1.541

Answer 2

这是矩阵乘法。你可以这样做：

df['new_col'] = df @ a

输出：

   A  B  C  D  new_col
0  1  5  2  7    1.848
1  6  2  1  9   -1.541

Python apply list of coefficient (from regression model) on new data