通过将 sklearn.predict 传递给 df.apply 对 Pandas 数据帧进行行式预测

Question

假设我们有一个 Pandas 数据框和一个 scikit-learn 模型，并使用该数据框进行训练（拟合）。有没有办法进行逐行预测？用例是使用 sklearn 模型使用预测函数填充数据框中的空值。

我预计这可以使用 pandas apply 函数（轴=1）实现，但我不断收到维度错误。

使用 Pandas 版本“0.22.0”和 sklearn 版本“0.19.1”。

简单的例子：

import pandas as pd
from sklearn.cluster import kmeans

data = [[x,y,x*y] for x in range(1,10) for y in range(10,15)]

df = pd.DataFrame(data,columns=['input1','input2','output'])

model = kmeans()
model.fit(df[['input1','input2']],df['output'])

df['predictions'] = df[['input1','input2']].apply(model.predict,axis=1)

由此产生的维数误差：

ValueError: ('Expected 2D array, got 1D array instead:\narray=[ 1. 
10.].\nReshape your data either using array.reshape(-1, 1) if your data has 
a single feature or array.reshape(1, -1) if it contains a single sample.', 
'occurred at index 0')

对整个列运行预测效果很好：

df['predictions'] = model.predict(df[['input1','input2']])

但是，我希望能够灵活地按行使用它。

我首先尝试了各种方法来重塑数据，例如：

def reshape_predict(df):
    return model.predict(np.reshape(df.values,(1,-1)))

df[['input1','input2']].apply(reshape_predict,axis=1)

它只返回输入，没有错误，而我希望它返回单列输出值（作为数组）。

解决方案：

感谢 Yakym 提供了可行的解决方案！根据他的建议尝试了一些变体，最简单的解决方案是简单地将行值括在方括号中（我之前尝试过这个，但没有用于预测的 0 索引，没有运气）。

df['predictions'] = df[['input1','input2']].apply(lambda x: model.predict([x])[0],axis=1)

Answer 1

稍微详细一点，您可以通过向值添加新的新轴将每一行转换为二维数组。然后，您必须使用0索引访问预测：

df["predictions"] = df[["input1", "input2"]].apply(
    lambda s: model.predict(s.values[None])[0], axis=1
)