Pandas-在对其他值应用线性回归后跟踪值

Question

我正试图将线性回归应用于熊猫数据帧中的一系列变量，但player_id除外，这只是跟踪被预测玩家的一种方法。

print (df.info())
player_id        1601 non-null int64
X1               1601 non-null float64
X2               1601 non-null float64
X3               1601 non-null float64
X4               1601 non-null float64
X5               1601 non-null float64
X6               1601 non-null float64
X7               1601 non-null float64
X8               1601 non-null float64
Y                1601 non-null float64

这就是我试图声明变量的方式：

df = df[['X1', 'X2', 'X3', 'X4', 'X5', 'X6', 'X7', 'X8', 'Y']]
X = df.drop(axis=1, columns=['Y'])
# normalize data
X = X.astype('float32') / 255.
# independent variable
y = df['Y']
# normalize data
y = y.astype('float32') / 255.
model = LinearRegression()
model.fit(X, y)
y_hat = model.predict(X)

---

问题是：一旦我有了预测值的数组，我如何将它们追溯到每个玩家_id，以便知道预测值指的是哪个玩家？

---

示例：

max(network.predict(X))指的是哪个player_id？

Answer 1

这是有效的：

for i, value in enumerate(list(y_hat.flatten())):
print (df.iloc[i]['player_id'])
df['prediction'].iloc[i] = value.astype('float32')

Answer 2

它将按与您提供的X相同的顺序返回值列表。因此，对于X中的第i行，y_hat的第i值是预测值。