这里没有太多智慧… 但我有一个脚本，它会使用for i in range循环来编译和测试算法两次，看看均方根误差是否有任何变化。

是否可以修改代码，使循环能够测试两个不同的数据集？例如，df首先运行一次编译rmse，然后df2运行编译rmse，然后我可以比较/打印两个数据集之间的rmse。两个数据集都将使用['Demand']作为响应变量。

#测试随机森林import numpy as npfrom sklearn import preprocessing, neighborsimport pandas as pdfrom sklearn.ensemble import RandomForestRegressorfrom sklearn.externals import joblibimport mathrmses = []for i in range(2):    X = np.array(df2.drop(['Demand'],1))    y = np.array(df2['Demand'])    offset = int(X.shape[0] * 0.7)    X_train, y_train = X[:offset], y[:offset]    X_test, y_test = X[offset:], y[offset:]    clf = RandomForestRegressor(n_estimators=60, min_samples_split=6)    clf.fit(X_train, y_train)    mse = mean_squared_error(y_test, clf.predict(X_test))    rmse = math.sqrt(mse)    print("rmse: %.4f" % rmse)    rmses.append(rmse)print(sum(rmses)/len(rmses))

回答：

你可以使用一个辅助数据框，并通过条件在每次迭代中分配你想要编译的数据框：

for i in range(2):    if i==1:        aux_df = df    else:        aux_df = df2    .    .    .

这样你就可以在第一次迭代中使用第一个df，在第二次迭代中使用df2。