Python：从数据帧计算RMSE的简单示例

需要一个使用DataFrame计算RMSE的简单示例。如果有返回周期真值和预测值的函数：

def fun (data):
   ...
   return trueVal, predVal

for data in set:
   fun(data)

然后一些代码将这些结果放在下面的数据框中，

x

是一个实际值，

p

是一个预测值：

In [20]: d
Out[20]: {'p': [1, 10, 4, 5, 5], 'x': [1, 2, 3, 4, 5]}

In [21]: df = pd.DataFrame(d)

In [22]: df
Out[22]: 
    p  x
0   1  1
1  10  2
2   4  3
3   5  4
4   5  5

问题:

1） 如何将

fun

函数的结果放入

df

数据框中

---

2） 如何使用

df

数据帧计算RMSE

问题1
这取决于数据的格式。我希望你已经有了你的真实值，所以这个函数只是一个传递

问题2

使用熊猫

（（df.p-df.x）**2）.mean（）**.5

使用

numpy

---

（np.diff（df.values）**2）.mean（）**.5

问题1

我知道你已经有了数据帧df。要在新行中添加新值，请执行以下操作：

for data in set:

    trueVal, predVal = fun(data)

    auxDf = pd.DataFrame([[predVal, trueVal]], columns = ['p', 'x'])

    df.append(auxDf, ignore_index = True)

问题2

要使用df计算RMSE，我建议您使用scikit学习函数

from sklearn.metrics import mean_squared_error 
realVals = df.x
predictedVals = df.p
mse = mean_squared_error(realVals, predictedVals)
# If you want the root mean squared error
# rmse = mean_squared_error(realVals, predictedVals, squared = False)

---

非常重要的是，列中不能有空值，否则它将不起作用

检查此项：是否应该是

（（df.p-df.x）**2）.mean（）**.5

，因为它是均方根误差？用户名不签出：）