Python 如何从变量生成数据帧？

我有一个这样打印的代码：

print('Logistic Regression')
print('Data Train :', logreg.score(X,y))
print('Data Test :', logreg.score(X_test,y_test))
print('KNN')
print('Data Train :', knn.score(X,y))
print('Data Test :', knn.score(X_test,y_test))

输出为：

Logistic Regression

Data Train : 0.7171072127066912 

Data Test :
0.7219339324136186

KNN

Data Train : 0.9711521365495169

Data Test : 0.8530565751170738 

如何使其成为这样的数据帧：

print('Logistic Regression')
print('Data Train :', logreg.score(X,y))
print('Data Test :', logreg.score(X_test,y_test))
print('KNN')
print('Data Train :', knn.score(X,y))
print('Data Test :', knn.score(X_test,y_test))

对数几率回归 KNN 数据列 0.7171072127066912 0.9711521365495169 数据测试 0.7219339324136186 0.8530565751170738

---

通过列表理解，您可以轻松做到这一点

models = [logreg, knn]
model_names = ['Logistic Regression', 'KNN']
pd.DataFrame(
    data=[
        [model.score(a, b) for (a,b) in [(X, y), (X_test, y_test)]] 
            for model in models
    ], index=['Data Train', 'Data Test'], columns=model_names)

当你想包含更多的模型时，你只需更新你的

模型

和

模型名称

变量即可

models = [logreg, knn, dt, rf, xgb]
model_names = ['Logistic Regression', 'KNN', 'Decision Tree', 'Random Forest', 'XGBoost']

---

并保持后面的部分完全相同。

通过列表理解，您可以轻松做到这一点

models = [logreg, knn]
model_names = ['Logistic Regression', 'KNN']
pd.DataFrame(
    data=[
        [model.score(a, b) for (a,b) in [(X, y), (X_test, y_test)]] 
            for model in models
    ], index=['Data Train', 'Data Test'], columns=model_names)

当你想包含更多的模型时，你只需更新你的

模型

和

模型名称

变量即可

models = [logreg, knn, dt, rf, xgb]
model_names = ['Logistic Regression', 'KNN', 'Decision Tree', 'Random Forest', 'XGBoost']

---

并保持后一部分完全相同。

如果只有这两种型号，您可以使用：

将熊猫作为pd导入
df=pd.DataFrame（{“逻辑回归”：[logreg.score（X，y），logreg.score（X_检验，y_检验）]，“KNN”：[KNN.score（X，y），KNN.score（X_检验，y_检验）]，指数=[“数据序列”，“数据检验]）

如果只有这两种型号，您可以使用：

将熊猫作为pd导入
df=pd.DataFrame（{“逻辑回归”：[logreg.score（X，y），logreg.score（X_检验，y_检验）]，“KNN”：[KNN.score（X，y），KNN.score（X_检验，y_检验）]，指数=[“数据序列”，“数据检验]）

谢谢，工作很好。但是它只能有2个变量，如何使用更多的变量呢？我尝试过：pd.DataFrame（数据=[[model.score（a，b，c，d，e）for（a，b，c，d，e）in[（X，y），（X_检验，y_检验）]]for[logreg，knn，dt，rf，xgb]]中的模型，索引=['data Train'，data test']，列=['Logistic回归'，'knn'，'Decision Tree'，'Random Forest'，'XGBoost']）这个想法是正确的，但我想你在定义上有点迷失了。正如您在我所写的答案中看到的，各个模型采用变量

model

。因此，内部列表不会更改，只需附加

model

变量。让我更新我的答案更清楚。谢谢，工作完美。但是它只能有2个变量，如何使用更多的变量呢？我尝试过：pd.DataFrame（数据=[[model.score（a，b，c，d，e）for（a，b，c，d，e）in[（X，y），（X_检验，y_检验）]]for[logreg，knn，dt，rf，xgb]]中的模型，索引=['data Train'，data test']，列=['Logistic回归'，'knn'，'Decision Tree'，'Random Forest'，'XGBoost']）这个想法是正确的，但我想你在定义上有点迷失了。正如您在我所写的答案中看到的，各个模型采用变量

model

。因此，内部列表不会更改，只需附加

model

变量。让我更新我的答案，使之更清楚。