Python 我如何组合/集成存储在3个数据帧中的3个机器学习模型的结果，并输出1个数据帧和大多数人同意的结果？

我目前正在参加一个在线黑客竞赛。所有排名靠前的条目彼此之间的距离都在1%以内。因此，我决定运行3个不同的模型，而不是一个性能最好的模型，即集成学习，对每一个模型调整超参数，然后将这三个模型的结果结合起来，得到一个更好的模型。我在一个数据帧中综合了这三种方法的结果，其df.head（）如下所示：

index | building_id | rf_damage_grade | xg_damage_grade | lr_damage_grade   | damage_grade

0   a3380c4f75  Grade 4 Grade 2 Grade 3 Grade 4

1   a338a4e653  Grade 5 Grade 5 Grade 5 Grade 5

2   a338a4e6b7  Grade 5 Grade 5 Grade 5 Grade 5

3   a33a6eaa3a  Grade 3 Grade 2 Grade 4 Grade 3

4   a33b073ff6  Grade 5 Grade 5 Grade 5 Grade 5

所以“rf_损伤_等级”是我最好的分类器。它给出了大约74%的准确率，另外两个分别给出了68%和58%。在我想要的最终输出中，如果“xg_损坏等级”和“lr_损坏等级”都同意一个值，则最终输出“损坏等级”将更改为该值，否则它将保持等于“rf_损坏等级”的输出。数据中有超过40万行，每次我在2015年初的MBP上重新运行我的模型都需要大约一个小时。以下是我编写的代码：

for i in range(len(final)):
    if final.iloc[i,2]==final.iloc[i,3]:
        final.iloc[i,4]=final.iloc[i,2]
        if final.iloc[i,3]!=final.iloc[i,1]:
            count+=1
    else:
        continue

---

我能做些什么来提高效率？sklearn中是否有内置函数可以执行此类操作？

只需使用

.loc运行条件逻辑即可：

df.loc[df['xg_damage_grade'] == df['lr_damage_grade'], 'damage_grade'] = df['xg_damage_grade']
df.loc[df['xg_damage_grade'] != df['lr_damage_grade'], 'damage_grade'] = df['rf_damage_grade']

或者使用numpy的
其中
：

df['damage_grade'] = np.where(df['xg_damage_grade'] == df['lr_damage_grade'],
                              df['xg_damage_grade']
                              df['rf_damage_grade'])

非常感谢你的帮助。它在几秒钟内完成了这项工作，使用“for”循环大约需要2个小时。NP.在那里花了0.0613329410552978秒，DF.LoC花了0.1509299278259277秒，这是一个巨大的进步，从9000秒，它采取较早。problem@MykhailoLisovyi谢谢你的提示，我已经对答案投了更高的票，但由于我是一个新用户，代表性较少，我的得票数目前没有反映出来。@alok.m，很高兴能帮上忙！通常，熊猫的新来者会以一般的pythonic方式来处理可移植数据，比如循环元素。但是，在数据分析（Pandas、R、SAS等）中，您希望分块工作，用一种方法处理整个对象。在这里，这些逻辑调用由系列（即列）运行，而不是由系列的每个元素运行。一种不同的思维方式，但很有用。