如何使用来自旧数据帧的信息预测新Python数据帧中列的值

假设有两个数据帧df1和df2。在df1中，我有几个列，如userid、sexid、location等。在df2中，我有与df1中相同的列，除了sexid，我需要使用一些预测算法来填充。 我只是一个初学者，我尝试了另一种问题。因此，欢迎任何有助于我破解它的建议或有用的参考资料。

一个简单的例子：

import pandas as pd
from sklearn.linear_model import LogisticRegression

df1 = pd.DataFrame({'sexid': list('MMFFMFFMMF'), 'x1': [0, 12, 2, 3, 4, 2, 0, 12, 12, 12], 'x2': [0, 1, 1, 1, 0, 1, 1, 0, 0, 1]})

df2 = pd.DataFrame({'x1': [0, 12, 2, 3, 4, 2, 0, 12, 12, 12], 'x2': [0, 1, 1, 1, 0, 1, 1, 0, 0, 1]})

X = df1[['x1', 'x2']]
y = df1['sexid']

model = LogisticRegression()

model.fit(X, y)

model.predict(df2)

返回：

array(['F', 'M', 'F', 'F', 'M', 'F', 'F', 'M', 'M', 'M'], dtype=object)

---

我强烈建议您阅读。

如果您不知道这些个体的特征（即，如果您的模型中没有数据），您将如何预测

df2

中的

sexid

）？哦，我搞混了一些东西。在我的

df2

中，我还有

df1

中的所有列，我只是没有

sexid

，因为我需要预测它。我将编辑我的帖子。感谢您指出我的错误：）查看sklearn包文档可能是一个好的开始（在您的情况下，您需要一个分类器）