Python 在多元线性回归模型中如何预测y值？

我有一个OLS模型来估计房价

import numpy as np
import statsmodels.formula.api as sm

model = sm.ols('np.log(price) ~ np.log(lotsize) + np.log(sqrft) + bdrms', data = df).fit()

我想将以下beta值插入预测y（价格）的估计方程中：

lotsize=20000，sqrft=2500，bdrms=4

在R中有一种优雅的方法可以实现这一点，我正试图在Python中复制这一点，但迄今为止运气不佳：

我的目标是在Python代码中实现类似的功能，以预测y值

predictY <- predict.lm(linearModel, data.frame(lotsize = c(20000), sqrft = c(2500), bdrms = c(4)))
exp(predictY)

---

predictY谢谢大家。看起来最好的方法是这样做，以防有人无意中发现我的帖子：

p = model.get_prediction(pd.DataFrame([{"lotsize":20000,"sqrft": 2500, "bdrms": 4}]))
p.summary_frame()