Python按组创建线性回归预测pandas数据帧

Question

我想创建一个基于线性回归循环的 python pandas 数据框列

这是源数据 pandas dataframe df:

campaign    |     date     |    shown 
   A           2015-10-11       363563
   A           2015-10-12       345657
   A           2015-10-13       345346
   B           2015-10-11       23467
   B           2015-10-15       357990
   C           2015-10-11       97808

我想使用线性回归，并为每个组预测 2015 年 11 月 30 日显示的金额。

所以这是我正在寻找的最终新预测数据框:

 campaign |   Prediction(2015-11-30)
      A           ...
      B           ...
      C           ...

到目前为止我的代码:

df['date_ordinal'] = df['date'].apply(lambda x: x.toordinal())
model = LinearRegression()
X = df[['date_ordinal']]
y = df.shown
model.fit(X, y)   

df_results = pd.DataFrame()
for (group, df_gp) in df.groupby('campaign'):
   df_results['campaign'] = group
   X=df_gp[['date_ordinal']]
   y=df_gp.shown
   model.fit(X,y)
   coefs = list(zip(X.columns, model.coef_))
   df_results['prediction'] = model.predict(735947)

df_results

但是，当我运行此代码时，我只得到一个预测，我没有得到具有一列“组”及其旁边的预测值的数据帧。

谢谢!

Answer 1

试试这个:

groups = []
results = []
for (group, df_gp) in df.groupby('campaign'):
    X=df_gp[['date_ordinal']]
    y=df_gp.shown
    model.fit(X,y)
    coefs = list(zip(X.columns, model.coef_))
    results.append(model.predict(735947)[0])
    groups.append(group)

df_results = pd.DataFrame({'campaign':groups, 'prediction':results})

根据此处的答案:add one row in a pandas.DataFrame逐行添加行并不是最有效的解决方案。正如您在答案中看到的那样，数据必须插入到索引处。