Python 如何使用xgboost模型对数据帧中的一行进行预测？

我正在将

xgboost

模型与存储在数据帧中的一些数据进行拟合。拟合之后，我想在dataframe的一行上运行分类器/回归器的.predict方法

from sklearn.datasets import load_iris
import xgboost

# Load iris data such that X is a dataframe
X, y = load_iris(return_X_y=True, as_frame=True)

clf = xgboost.XGBClassifier()
clf.fit(X, y)

# Predict for all rows - works fine
y_pred = clf.predict(X)

# Predict for single row. Crashes.
# Error: '('Expecting 2 dimensional numpy.ndarray, got: ', (4,))'
secondrow = X.iloc[1]
secondpred = clf.predict(secondrow)

下面是一个最小的示例，它预测在完整数据帧上运行良好，但在仅在数据帧的第二行上运行时崩溃

from sklearn.datasets import load_iris
import xgboost

# Load iris data such that X is a dataframe
X, y = load_iris(return_X_y=True, as_frame=True)

clf = xgboost.XGBClassifier()
clf.fit(X, y)

# Predict for all rows - works fine
y_pred = clf.predict(X)

# Predict for single row. Crashes.
# Error: '('Expecting 2 dimensional numpy.ndarray, got: ', (4,))'
secondrow = X.iloc[1]
secondpred = clf.predict(secondrow)

错误

---------------------------------------------------------------------------
ValueError回溯（最近一次调用上次）
在里面
11#错误：'（'期望二维numpy.ndarray，got:'，（4，）'
12第二行=X.iloc[1]
--->13 secondpred=clf.predict（第二行）
e:\Anaconda3\envs\py37\lib\site packages\xgboost\sklearn.py in predict（自我、数据、输出边距、ntree限制、验证功能）
789输出裕度=输出裕度，
790 ntree_极限=ntree_极限，
-->791验证\u功能=验证\u功能）
792如果输出_裕度：
793#如果输出边距处于活动状态，只需返回分数即可
e:\Anaconda3\envs\py37\lib\site packages\xgboost\core.py in predict（自我、数据、输出裕度、ntree\u限制、pred\u leaf、pred\u contribs、近似contribs、pred\u交互、验证\u功能）
1282
1283如果验证功能：
->1284自我验证功能（数据）
1285
1286长度=c_bst_ulong（）
e:\Anaconda3\envs\py37\lib\site packages\xgboost\core.py in\u validate\u features（self，data）
1688
1689提升值错误（消息格式（self.feature_名称，
->1690数据。特征（名称）
1691
1692 def get_split_value_直方图（自身、特征、fmap=''、bins=None、as_=True）：
ValueError:特征名称不匹配：[“萼片长度（cm）”，“萼片宽度（cm）”，“花瓣长度（cm）”，“花瓣宽度（cm）”['f0'，f1'，f2'，f3']
输入数据中的预期花瓣长度（cm）、花瓣宽度（cm）、萼片长度（cm）、萼片宽度（cm）
培训数据没有以下字段：f1、f3、f0、f2

• predict

  根据模型

  fit

  期望一个特定形状的数组
• 问题是，

  secondrow

  是一个一维的

  pandas.Series

  ，它与模型的形状不匹配

X.iloc[1]
萼片长度（厘米）4.9
萼片宽度（厘米）3.0
花瓣长度（厘米）1.4
花瓣宽度（厘米）0.2
名称：1，数据类型：float64
#看看这个阵列
X.iloc[1]。值
数组（[4.9,3,1.4,0.2]）#注意这是一个一维数组
#看这个形状
secondrow.values.shape
(4,)

• 通过以正确的形状传递数据（即二维数组），可以查看单行
• 将系列选择转换为数据帧，并将其转换为

  .predict

  的正确形状

secondrow=pd.DataFrame（X.iloc[1]）.T
萼片长（厘米）萼片宽（厘米）花瓣长（厘米）花瓣宽（厘米）
1                4.9               3.0                1.4               0.2
#将secondrow视为数组
第二行。值
数组（[[4.9,3,1.4,0.2]]）#注意这是一个二维数组
#看这个形状
secondrow.values.shape
(1, 4)
#预测
secondpred=clf.predict（第二行）
#结果
数组（[0]）