在python中向数据集添加列

我试图用Python将预测数据添加回我的原始数据集。我想我应该使用Pandas和ASSIGN以及pd.DataFrame，但在阅读了所有文档之后，我不知道如何编写它（很抱歉，我对所有这些都是新手，最近才开始学习编码）。我已经在下面编写了代码，只需要帮助我将预测添加回数据集。谢谢你的帮助

# Importing the libraries
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

# Importing the dataset
dataset = pd.read_csv('Social_Network_Ads.csv')
X = dataset.iloc[:, [2, 3]].values
y = dataset.iloc[:, 4].values

# Splitting the dataset into the Training set and Test set
from sklearn.cross_validation import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size = 0.25,     
random_state = 0)

# Feature Scaling X_train and X_test
from sklearn.preprocessing import StandardScaler
sc = StandardScaler()
X_train = sc.fit_transform(X_train)
X_test = sc.transform(X_test)

#Feature scaling the all independent variables used to build the model
whole_dataset = sc.transform(X)

# Fitting classifier to the Training set
# Create your Naive Bayes here
from sklearn.naive_bayes import GaussianNB
classifier = GaussianNB()
classifier.fit(X_train, y_train)

# Predicting the Test set results
y_pred = classifier.predict_proba(X_test)

# Predicting the results for the whole dataset
y_pred2 = classifier.predict_proba(whole_dataset) 

# Add y_pred2 predictions back to the dataset
???

---

只需执行

dataset['prediction']=y_pred

即可添加新列

Pandas支持添加新列的简单语法，在这里它将添加一个新列，并可能查看从sklearn返回的numpy数组，因此它应该很好而且快速

编辑

查看您的代码和数据，您误解了

train\u test\u split

的作用，这是将数据拆分为原始数据集的3/4 1/4个部分，原始数据集有400行，X train数据包含300行，测试数据有100行。然后，您将尝试重新分配给原始数据集（400行）。首先，行数不匹配，其次，从

predict\u proba

返回的是预测类的矩阵（以百分比表示）。因此，培训后，您要做的是在原始数据集上进行预测，并通过子选择每列将其分配回2列：

y_pred = classifier.predict_proba(X)

现在将此分配回：

dataset['predict_class_1'],dataset['predict_class_2'] = y_pred[:,0],y_pred[:,1]

---

只需执行

dataset['prediction']=y_pred

即可添加新列

Pandas支持添加新列的简单语法，在这里它将添加一个新列，并可能查看从sklearn返回的numpy数组，因此它应该很好而且快速

编辑

查看您的代码和数据，您误解了

train\u test\u split

的作用，这是将数据拆分为原始数据集的3/4 1/4个部分，原始数据集有400行，X train数据包含300行，测试数据有100行。然后，您将尝试重新分配给原始数据集（400行）。首先，行数不匹配，其次，从

predict\u proba

返回的是预测类的矩阵（以百分比表示）。因此，培训后，您要做的是在原始数据集上进行预测，并通过子选择每列将其分配回2列：

y_pred = classifier.predict_proba(X)

现在将此分配回：

dataset['predict_class_1'],dataset['predict_class_2'] = y_pred[:,0],y_pred[:,1]

---

有几种解决方案。他提到过一个。 据我所知，熊猫还有另外两种方法

由于您没有提供正在使用的数据，下面是一个非常简单的示例

import pandas as pd
import numpy as np
np.random.seed(1)
df = pd.DataFrame(np.random.randn(10), columns=['raw'])
df = df.assign(cube_raw=df['raw']**2)
df.insert(1,'square_raw',df['raw']**3)

df
          raw square_raw     cube_raw
0    1.624345   2.638498     4.285832
1   -0.611756   0.374246    -0.228947
2   -0.528172   0.278965    -0.147342
3   -1.072969   1.151262    -1.235268
4    0.865408   0.748930     0.648130
5   -2.301539   5.297080   -12.191435
6    1.744812   3.044368     5.311849
7   -0.761207   0.579436    -0.441071
8    0.319039   0.101786     0.032474
9   -0.249370   0.062186    -0.015507

请记住，

df.assign（）

在本地不起作用，因此您应该重新分配到以前的变量

---

在我看来，我最喜欢

df.insert（）

，因为它允许您指定要插入的位置。（使用参数

loc

）

有几种解决方案。他提到过一个。 据我所知，熊猫还有另外两种方法

由于您没有提供正在使用的数据，下面是一个非常简单的示例

import pandas as pd
import numpy as np
np.random.seed(1)
df = pd.DataFrame(np.random.randn(10), columns=['raw'])
df = df.assign(cube_raw=df['raw']**2)
df.insert(1,'square_raw',df['raw']**3)

df
          raw square_raw     cube_raw
0    1.624345   2.638498     4.285832
1   -0.611756   0.374246    -0.228947
2   -0.528172   0.278965    -0.147342
3   -1.072969   1.151262    -1.235268
4    0.865408   0.748930     0.648130
5   -2.301539   5.297080   -12.191435
6    1.744812   3.044368     5.311849
7   -0.761207   0.579436    -0.441071
8    0.319039   0.101786     0.032474
9   -0.249370   0.062186    -0.015507

请记住，

df.assign（）

在本地不起作用，因此您应该重新分配到以前的变量

---

---

在我看来，我最喜欢

df.insert（）

，因为它允许您指定要插入的位置。（使用参数

loc

）

我尝试了它，但后来得到了这个错误值error:传递的项目数错误2，位置意味着1。知道为什么会这样吗？谢谢您需要在问题中添加原始数据和代码，以便我们重现此问题。我尝试过，但后来得到了错误值错误：传递的项目数错误2，位置意味着1。知道为什么会这样吗？谢谢你需要在你的问题中添加原始数据和代码，以便我们重现这一点。我尝试生成df=dataset，然后生成df.assign（y_pred），但后来得到了以下类型错误：assign（）接受1个位置参数，但给出了2个。你知道我为什么要解决这个问题吗？谢谢@zipline86

df.assign（）

的格式应该类似于

df.assign（\u varname\uuu=content）

。您可能需要查看答案中的链接以了解更多详细信息。我尝试生成df=dataset，然后生成df.assign（y_pred），但随后得到了以下类型错误：assign（）接受1个位置参数，但给出了2个。你知道我为什么要解决这个问题吗？谢谢@zipline86

df.assign（）

的格式应该类似于

df.assign（\u varname\uuu=content）

。你可能想查看答案中的链接以了解更多细节。我想现在看看你试图做的事情，你误解了正在发生的事情。您已经将数据集拆分为一系列测试数据。然后，在训练数据集上进行训练，然后在测试数据上进行拟合。然后，您尝试将所有行重新分配回原始数据集。例如，数据集中有400行，但y_pred中只有100行，因此无法将不同长度的行重新分配。您要做的是

y_pred=classifier.predict_proba（X）

然后将其分配回：

dataset['predict_class_1'，dataset['predict_class_2']=y_pred[：，0]，y_pred[：，1]

非常感谢我会尝试一下的！）我对代码做了一点修改，现在可以预测400行。我无法在这里上传数据文件，但可以在第18节naive bayes zip文件中下载。csv文件称为Social_Network_Ads.csv。我希望我能让它工作：）@EdChum它工作了！谢谢酷，我会更新我的答案，包括我的上述评论，你能接受我的答案，这样这个问题就不会一直没有答案了！我如何接受你的答案来关闭线程？另外，你能不能更新你对X数据集的回答，使其在应用预测函数之前进行功能缩放（以防其他人正在做与我相同的事情）。我想现在看看你正在尝试做什么，你误解了正在发生的事情。您已将数据集拆分为一列，然后