Python 如何使用拟合的statsmodel GLMgam模型对新数据进行预测？

运行statsmodel包的GLMgam类文档中的示例的代码后

from statsmodels.gam.api import GLMGam, BSplines
from statsmodels.gam.tests.test_penalized import df_autos
df_autos_train = df_autos.iloc[0:165]
df_autos_test = df_autos.iloc[165:205]
x_spline = df_autos_train[['weight', 'hp']]
bs = BSplines(x_spline, df=[12, 10], degree=[3, 3])
alpha = np.array([21833888.8, 6460.38479])
gam_bs = GLMGam.from_formula('city_mpg ~ fuel + drive', data=df_autos_train, smoother=bs, alpha=alpha)
res_bs = gam_bs.fit()
print(res_bs.summary())

我没有得到这个预言

res_bs.predict(exog = df_autos_test[['fuel', 'drive']], exog_smooth = df_autos_test[['weight', 'hp']])

告诉我错误

File "pandas\_libs\index.pyx", line 111, in pandas._libs.index.IndexEngine.get_loc
  File "pandas\_libs\index.pyx", line 116, in pandas._libs.index.IndexEngine.get_loc
TypeError: '(slice(None, None, None), 0)' is an invalid key

---

可能是熊猫支持中的一个错误<代码>exog_smooth=np.asarray（df_autos_test[['weight'，'hp']]）适合我。谢谢你提供了一个可以立即运行的示例。很好，谢谢！我觉得有点傻，我确信我已经尝试过了（使用.values）。问题解决了，再次感谢你们！