我正在尝试创建一个回归模型，以使用设计参数(数据帧1(预测可交付成果(数据帧2(。两个数据帧都有一个id号，我用它作为索引。
是否可以使用两个数据帧为sklearn创建一个数据集？还是我需要加入他们？如果我需要加入他们，那么最好的方式是什么？
# import data
df1= pd.read_excel('data.xlsx', sheet_name='Data1',index_col='Unnamed: 0')
df2= pd.read_excel('data.xlsx', sheet_name='Data2',index_col='Unnamed: 0')
我只在一个数据帧上使用过sklearn，该数据帧中包含了特征和目标向量的所有列。因此，我不知道如何处理我使用两个数据帧的情况，其中一个具有特征，另一个具有目标。
scikit-learn中的所有估计器都有一个类似estimator.fit(X, y)的签名，X是训练特征和y训练目标。
然后，通过调用某种estimator.predict(X_test)来实现预测，其中X_test是测试特征。
甚至CCD_ 6采用两个阵列CCD_ 7和CCD_。
这意味着，只要在行中保持正确的顺序，就不需要合并功能和目标。
完全同意Guillaume的回答。
正如他所说，只需注意行的顺序。这是你问题的关键。如果它们具有相同的顺序，则不需要合并数据帧，并且可以直接fit模型。
但是，如果它们的顺序不相同，则必须组合两个数据帧(类似于SQL中的左联接(，以便关联一个ID的功能和目标。您可以这样做(此处提供更多信息(：
df_final= pd.concat([df1, df2], axis=1)
当您使用ID作为索引时，它应该可以正常工作。请注意，如果某个ID出现在一个数据帧中而没有出现在另一个数据框中，则可能会出现NaN值。你将不得不应付他们。