python - 如何在Statsmodels中识别OLS预测结果中的受试者？

Question

我正在 Jupyter 笔记本中使用 Statsmodels 进行线性回归。数据位于名为“train_base”的 DataFrame 中，其中 id 列标识数据库中的每个唯一主题。 train_base是这样的:

id     y     x0     x1     x2
a123   20     8      1      3
b789   33     8      3      2
d782   77     9      6      5      

主要代码块如下所示。请注意，我使用另一个名为“test_base”的基进行预测，该基也具有与“train_base”相同的结构，除了“y”列:

results = smf.ols('y ~ x0 + x1 + x2', data=train_base).fit()
predictions = results.predict(test_base)
predictions.head()

预测是这样的:

0   -0.054789
1   -0.036042
2   -0.043962
3   -0.135725
4   -0.409129
dtype: float64

在我看来，预测中显示的第一列是原始 train_base 的索引(我正确吗？)。由于我需要确定测试库中每个个体的预测值，我需要做什么才能在预测中包含“id”列？

Answer 1

通过对 @Leda Grasiele 的答案进行一些细微的更正(包含内部方括号和使用换位函数)，我得到了正确的代码，如下所示:

predict = pd.DataFrame([results.predict(test_base), train_base['id']]).T
predict.columns = ['predictions', 'id']
predict