如何生成简单线性回归的11-20月预测数据集？

你只需要让训练好的mymodel直接接收11到20的月份数组作为输入，就能一次性得到所有预测值，再结合pandas整理成目标格式即可，具体实现如下：

完整代码 #

import numpy
import pandas as pd

# 原始10个月数据
x = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
y = [1, 4, 3, 9, 8, 3, 7, 10, 8, 20]

# 训练1阶线性回归模型
mymodel = numpy.poly1d(numpy.polyfit(x, y, 1))

# 生成11到20的月份序列（替代手动输入）
pred_months = numpy.arange(11, 21)  # 左闭右开规则，所以终止值设为21
# 批量计算预测值并取整
pred_amounts = numpy.round(mymodel(pred_months)).astype(int)

# 构建目标DataFrame
df_results = pd.DataFrame({
    'months(x)': pred_months,
    'amount(y)': pred_amounts
})

print(df_results)

关键改动说明 #

• 用numpy.arange(11,21)自动生成11-20的月份序列，比手动列值更高效且不易出错
• mymodel支持直接传入数组参数，会批量计算每个月份的预测结果
• 通过numpy.round()对预测值取整，再转为整数类型，和你期望的结果格式完全匹配

运行后即可得到包含11到20月所有预测数据的DataFrame。

内容的提问来源于stack exchange，提问作者Deke Marquardt