将预测结果保存到 CSV答案

【问题标题】：Saving prediction results to CSV将预测结果保存到 CSV
【发布时间】：2016-04-24 05:05:52
【问题描述】：

我将 sklearn 回归模型的结果存储到变量预测中。

prediction = regressor.predict(data[['X']])
print(prediction)

预测输出的值如下所示

[ 266.77832991  201.06347505  446.00066136  499.76736079  295.15519906
  214.50514991  422.1043505   531.13126879  287.68760191  201.06347505
  402.68859792  478.85808879  286.19408248  192.10235848]

然后我尝试使用 to_csv 函数将结果保存到本地 CSV 文件：

prediction.to_csv('C:/localpath/test.csv')

但我得到的错误是：

AttributeError: 'numpy.ndarray' object has no attribute 'to_csv'

我正在使用 Pandas/Numpy/SKlearn。关于基本修复的任何想法？

【问题讨论】：

标签： python numpy pandas scikit-learn

【解决方案1】：

您可以使用熊猫。据说，numpy 数组没有 to_csv 函数。

import numpy as np
import pandas as pd
prediction = pd.DataFrame(predictions, columns=['predictions']).to_csv('prediction.csv')

如果您希望您的值在行或列中，请添加“.T”。

【讨论】：

如果我想与来自X_test 的唯一标识符（“id”列，而不是索引）合并，预测结果会正确匹配每一行吗？如：output=pd.DataFrame(data={"id":X_test["id"],"Prediction":y_pred})output.to_csv(path_or_buf="..\\output\\results.csv",index=False,quoting=3,sep=';')
如果 X_test 与 y_pred 的长度相同，则答案是肯定的。

【解决方案2】：

你可以使用numpy.savetxt函数：

numpy.savetxt('C:/localpath/test.csv',prediction, ,delimiter=',')

要加载 CSV 文件，您可以使用 numpy.genfromtxt 函数：

numpy.genfromtxt('C:/localpath/test.csv', delimiter=',')

【讨论】：

我在加载后重塑了我的数据，即：“pred_train = np.genfromtxt('encoded1.csv', delimiter=" ").reshape(-1, 1)", 是不是有如何保存和加载数据而不考虑重塑数据？

【解决方案3】：

这是一个非常详细的解决方案案例，但您甚至可以在生产中使用它。

首先保存模型

joblib.dump(regressor, "regressor.sav")

按顺序保存列

pd.DataFrame(X_train.columns).to_csv("feature_list.csv", index = None)

保存训练集的数据类型

pd.DataFrame(X_train.dtypes).reset_index().to_csv("data_types.csv", index = None)

再次使用：

feature_list = pd.read_csv("feature_list.csv")
feature_list = pd.Index(list(feature_list["0"]))

add_cols = list(feature_list.difference(X_test.columns))

drop_cols = list(X_test.columns.difference(feature_list))

for col in add_cols:
    X_test[col] = np.nan

for col in drop_cols:
    X_test = X_test.drop(col, axis = 1)

# reorder columns
X_test = X_test[feature_list]

types = pd.read_csv("data_types.csv")
for i in range(len(types)):
    X_test[types.iloc[i,0]] = X_test[types.iloc[i,0]].astype(types.iloc[i,1])

做出预测

regressor = joblib.load("regressor.sav")
predictions = regressor.predict(X_test)

保存预测结果

res = pd.DataFrame(predictions)
res.index = X_test.index # its important for comparison
res.columns = ["prediction"]
res.to_csv("prediction_results.csv")

享受端到端模型/预测保护程序代码！

【讨论】：