python - 将列添加到python中的数据集

Question

我正在尝试用 Python 将预测数据添加回我的原始数据集。我想我应该使用 Pandas、ASSIGN 和 pd.DataFrame，但在阅读所有文档后我不知道如何编写它(抱歉，我是新手，最近才开始学习编码)。我在下面编写了我的代码，只需要有关将我的预测添加回数据集的代码的帮助。感谢您的帮助!

# Importing the libraries
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

# Importing the dataset
dataset = pd.read_csv('Social_Network_Ads.csv')
X = dataset.iloc[:, [2, 3]].values
y = dataset.iloc[:, 4].values

# Splitting the dataset into the Training set and Test set
from sklearn.cross_validation import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.25,     
random_state = 0)

# Feature Scaling X_train and X_test
from sklearn.preprocessing import StandardScaler
sc = StandardScaler()
X_train = sc.fit_transform(X_train)
X_test = sc.transform(X_test)

#Feature scaling the all independent variables used to build the model
whole_dataset = sc.transform(X)

# Fitting classifier to the Training set
# Create your Naive Bayes here
from sklearn.naive_bayes import GaussianNB
classifier = GaussianNB()
classifier.fit(X_train, y_train)

# Predicting the Test set results
y_pred = classifier.predict_proba(X_test)

# Predicting the results for the whole dataset
y_pred2 = classifier.predict_proba(whole_dataset) 

# Add y_pred2 predictions back to the dataset
???

Answer 1

您只需执行 dataset['prediction'] = y_pred 即可添加新列。

Pandas 支持用于添加新列的简单语法，这里它将添加一个新列，并且可能会查看从 sklearn 返回的 numpy 数组，因此它应该既好又快。

编辑

查看您的代码和数据，您误解了 train_test_split 的作用，这是将数据拆分为原始数据集的 3/4 1/4 拆分，该数据集有 400 行，您的 X训练数据包含300行，测试数据为100行。然后，您将尝试分配回 400 行的原始数据集。首先，行数不匹配，其次，predict_proba 返回的是预测类百分比矩阵。因此，训练后您想做的是对原始数据集进行预测，并通过子选择每一列将其分配回 2 列:

y_pred = classifier.predict_proba(X)

现在将其分配回去:

dataset['predict_class_1'],dataset['predict_class_2'] = y_pred[:,0],y_pred[:,1]