附加两个熊猫数据框时的索引问题

Question

我正在对 pandas 中的一列邮政编码进行虚拟化，以便可以在 sklearn 中构建一个随机森林模型。这是我的代码：

forest_test_features = test_df[['sqft_lot', 'floors', 'waterfront', 'view', 'condition', 'grade', 'sqft_above', 'sqft_basement', 'yr_built', 'yr_renovated']] forest_test_features.append(pd.get_dummies(test_df['zipcode'])) forest_test_target = test_df['price']

我收到运行时警告，然后我的模型的 R^2 分数比我简单地将邮政编码留在模型中而不进行虚拟化时要低得多，这表明出现了问题。 pd.get_dummies 返回一个数据框，我认为问题在于这个数据框和 forest_test_features 处于两个不同的顺序，但我不确定如何继续。索引仍然正确（邮政编码 98144 映射到 get_dummies 返回的“98144”列中的“1”。）

我也收到此警告：RuntimeWarning: '

Answer 1

您可以指定顺序。我猜你有一个 forest_train_features 数据框。你可以这样做：

feats = forest_test_features.keys()
model = RandomForestRegressor()
model.fit(forest_train_features[feats], forest_train_features['price'])
prediction = model.predict(forest_test_features[feats])

那么列的顺序应该相同。 您也可以在同一个 DataFrame 中对 train 和 test 进行相同的预处理，然后拆分它