我有一个数据集X，其中包含一个ID列、一些其他特征以及一个目标列。我正在进行一个分类任务，在对测试集进行分类后，我想知道哪个ID属于哪个类别。
因此，我执行以下操作：
import pandas as pdfrom sklearn.linear_model import LogisticRegressionfrom sklearn.model_selection import train_test_splitdf = pd.read_csv('Dataset.csv')X = df.drop(['ID', 'Target_Feature'], axis=1)Y = df[['ID', 'Target_Feature']]X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.33)pol_ids = Y_test.ID ### 保存测试集的ID，以便稍后附加到新数据框Y_train = Y_train.drop(['ID'], axis=1).valuesY_test = Y_test.drop(['ID'], axis=1).valueslogReg = LogisticRegression()logReg.fit(X_train, Y_train)logReg.score(X_train, Y_train)>>> 0.6300364252164744predictions = logReg.predict(X_test)predictions>>> array([1, 0, 0, ..., 0, 1, 0], dtype=int64)然后，我执行以下操作以构建一个包含ID列和预测结果的新数据框：
y_pred = logReg.predict_proba(X_test)df1 = pd.DataFrame(pol_ids)df1 = df1.reset_index(drop=True)df2 = pd.DataFrame(y_pred[:,1])df1['Predictions']=df2df1['Name']=df.loc[df1.index]['Name'].values ### 这是原始数据框中的一列但是，当我检查原始数据框df中的一行时，给定ID的名称在新数据框df1中不同。这意味着，很可能ID没有被正确复制到新数据框中。
那么，我该如何做呢？
回答：
检查你的最后一行
df1['Name']=df.loc[df1.index]['Name'].values 在reset_index之后，索引已更改，因此更改为
df1['Name']=df.loc[pol_ids.index]['Name'].values 