Question

我已经完成了一次测试火车拆分，现在我正在尝试进行比较，以列表的形式获得预测值与实际值之间的差异，并将其发送到excel中。我使用所附图片中所示的功能来完成所有这些操作（内置功能需要满足我的要求）。为了完成我的任务，我只需要y_test作为值，但是y_test似乎有更多信息（如图所示）。如何仅获取y_test的值（蓝色框）？

编辑根据建议，添加代码。

X_all = grouped_data.drop(['EndTime'], axis=1)
y_all = grouped_data['EndTime']

rsnum=[1,12,13,14,20,23,40,50,55,60,65,75,85,95,105,1132,21,27,29,48,39]

def testrun(rsn):
    y_p_diff =[]
    for i in rsn:
        num_test = 0.025
        X_train, X_test, y_train, y_test = train_test_split(X_all, y_all, test_size=num_test, random_state=i)

        lassoReg = Lasso(alpha=2, normalize=True)
        lassoReg.fit(X_train,y_train)
        y_predl = lassoReg.predict(X_test)

        print(y_test)
        y_diff=y_predl[0]-y_test
        y_p_diff.append(y_diff)


    df = pd.DataFrame(y_p_diff)
    filepath = 'predections.xlsx'
    df.to_excel(filepath, index=False)

我的y_all是数据框中的一列。还要为该数据框添加一小段代码。

min max EndTime switch  switchstrt  switchend
101 1800    2507    -0.035653061    -0.05075    -0.03435
101 1800    2352    -0.092928571    -0.11045    -0.0482
101 1800    3092    -0.112404255    -0.10235    -0.1574
101 1800    2691    -0.052986667    -0.1026 -0.02175
100.598 1798.913    4457.533    -0.059848485    -0.13995    -0.04895
101 1800    3909    -0.040736842    -0.0938 -0.0519
101 1800    2113    -0.031408   -0.01755    0.0052
101 1800    2978    -0.047084211    -0.05655    -0.0683
101 1800    3490    -0.035853211    -0.1049 -0.0181
101 1800    2556    -0.028242187    -0.0324 -0.0161
101 1800    2507    -0.029035461    -0.03505    -0.01375
101 1800    3614    -0.172694444    -0.1747 -0.13885
101 1800    3722    -0.046605505    -0.1395 -0.02555
101 1800    3246    -0.07525    -0.17555    -0.0353
101 1800    2773    -0.038075   -0.0847 -0.0089
101 1800    3170    -0.08415625 -0.0895 -0.09145
101 1800    2686    -0.031238806    -0.0572 -0.02435
101 1800    2481    -0.030870968    -0.0584 -0.00925
101 1800    3920    -0.053517241    -0.11925    -0.0297
101 1800    3436    -0.150170213    -0.15965    -0.17225
101 1800    2092    -0.026723684    -0.00935    -0.0032
101 1800    2246    -0.0318 -0.01915    -0.01335

Answer 1

您只需要调用pandas数据框的values方法即可消除多余的信息，包括索引和数据类型。

以下是带有虚拟数据的可重现示例：

import numpy as np
import pandas as pd

# dummy data:
X = np.array([[1, 2], [5, 8], [2, 3],
               [8, 7], [8, 8], [2, 2]])

df = pd.DataFrame({'Column1':X[:,0],'Column2':X[:,1]})
print(df)
# result:
   Column1  Column2
0        1        2
1        5        8
2        2        3
3        8        7
4        8        8
5        2        2

现在，如果我们像您一样简单地要求df['Column1']，我们将得到：

0    1
1    5
2    2
3    8
4    8
5    2
Name: Column1, dtype: int32

但是如果我们要求df['Column1'].values，我们会得到：

array([1, 5, 2, 8, 8, 2])

即仅数据。

因此，您应该之一将y_all的定义修改为：

y_all = grouped_data['EndTime'].values

或仅将值保留在拆分的参数中：

X_train, X_test, y_train, y_test = train_test_split(X_all, y_all.values, test_size=num_test, random_state=i)

来自train_test分割输出的y_test值

1 个答案: