对 Pandas 数据框中的每个组进行预测

Question

我有以下数据框：

Year_Month Country  Type   Data
 2019_01    France  IT     20
 2019_02    France  IT     30
 2019_03    France  IT     40
 2019_01    France  AT     10
 2019_02    France  AT     15
 2019_03    France  AT     20

我想分别预测 France & IT & France & AT 组合的 Year_Month“2019_04”。

因此，例如我应该得到如下结果：

预测（法国，IT）：

Year_Month Country  Type   Data
 2019_04    France  IT     50

预测（法国，AT）：

Year_Month Country  Type   Data
 2019_04    France  AT     25

应该如何设计循环，以便具有模型的函数可以一次针对每个组合运行并保存输出？

Answer 1

尽管你的问题中还有很多问题（你想用哪个模型来预测？你想预测未来多远？......），你可以从使用 scikit-learn 和 compute 的sklearn.linear_model开始每种类型的预测：

import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression

# Generate data from the example
df = pd.DataFrame({
 'Year_Month': {0: '2019_01',1: '2019_02',2: '2019_03',3: '2019_01',4: '2019_02',5: '2019_03'},
 'Country': {   0: 'France', 1: 'France', 2: 'France', 3: 'France', 4: 'France', 5: 'France'},
 'Type': {0: 'IT', 1: 'IT', 2: 'IT', 3: 'AT', 4: 'AT', 5: 'AT'},
 'Data': {0: 20, 1: 30, 2: 40, 3: 10, 4: 15, 5: 20}})

# Generate our empty regressor to fit the trend.
regressor = LinearRegression()

result = {}
# loop on every type
for t in df['Type'].unique():
    # slice
    df_slice = df[df['Type'] == t]

    # train the regressor
    regressor.fit(X=df_slice['Year_Month'].to_numpy().reshape(-1, 1), y=df_slice['Data'])

    # predict new values
    result[t] = {'predicted_value': regressor.predict(np.array([201904]).reshape(-1, 1))}

# build dataframe with all your results
final_df = pd.DataFrame(result)

#                      IT      AT
# predicted_value  [50.0]  [25.0]

Answer 2

谢谢，对我有用的是 comboList=list(zip(Map['country'],Map['type']))

组合列表

对于我，枚举（组合列表）中的组合：打印（组合）子集=数据[（数据['国家']==组合[0]）&（数据['类型']==组合[1]）]子集=子集[[“数据”]]

x_train_ts, y_train_ts, x_test_ts, y_test_ts = data(subset,10, 1)    


trials = Trials()
best = fmin(create_model_hypopt,
space=search_space,
algo=tpe.suggest,
max_evals=1,
trials=trials)

loss=trials.losses()
loss.append(loss)