Python 3.x 值错误：形状（993228）和（1228）未对齐：228（尺寸1）！=1（尺寸0）

我用python创建了一个OLS线性回归模型，当我预测某个特定值时，我会得到错误

我的代码如下：

df=pd.read_csv("smatrix.csv",index_col=0)
import statsmodels.api as sm

x=df.iloc[:,:-1]
y=df.Rating

est = sm.OLS(y.astype(float), x.astype(float))
results=est.fit()

op=list()
for i in df.columns:
    if 'bad' == i:
        op.append(1)
    else:
        op.append(0)
op=op[:-1]
X5=np.array(op).reshape(1,-1)
y1=est.predict(X5)

我得到的错误是

ValueError: shapes (993,228) and (1,228) not aligned: 228 (dim 1) != 1 (dim 0)

X5的形状是（1228） x的形状是（993228） y的形状是（993，）

est.predict（）希望第一个参数是params（），但您传递的是形状1128的X[5]。当模型尝试将X与参数相乘（在本例中为X[5]）时，会抛出错误消息

这两个矩阵（X，params）不能相乘，因为X（128）的列与params（1）的行不对齐

解决方案 使用通过拟合方法学习的参数

y1=est.predict(results.params, X5)

---

嘿，我已经为这个错误挣扎了好几个小时了。这很有魅力。非常感谢您为我们节省了时间：）

y1=est.predict(results.params, X5)