如何将模型预测数组追加到DataFrame最后一列？选for循环还是zip函数？

场景还原 #

• 逻辑回归模型的5条样本预测输出：

In[] logireg.predict(X.head(5))
Out[] array([0, 0, 0, 1, 0], dtype=int64)

• 原始的DataFrame数据：

• 想要得到的最终结果：

提问：实现这个需求，应该用for循环还是zip函数？

其实两种方式都能实现，但zip函数的写法会更简洁高效，也更符合Pythonic风格，不过我得先告诉你：还有个更简单的方法——完全不用循环或zip，直接赋值就行！下面给你逐一说明：

1. 最推荐：直接给DataFrame新增列赋值 #

因为你的预测结果数组长度和DataFrame的行数完全匹配，直接给原DataFrame新增一列赋值是最省心高效的操作，一行代码搞定：

predictions = logireg.predict(X.head(5))
df['predict'] = predictions

这也是pandas处理这类场景的标准操作，没必要绕弯子用循环。

2. 用zip函数的实现方式 #

如果是出于学习目的想尝试zip，有两种写法：

写法一：用zip拼接数据后转成新DataFrame #

predictions = logireg.predict(X.head(5))
# 把原DataFrame的列和预测结果用zip打包成元组列表
combined_data = list(zip(df['age'], df['job'], df['month'], predictions))
# 转成新的DataFrame并指定列名
new_df = pd.DataFrame(combined_data, columns=['age', 'job', 'month', 'predict'])

写法二：用zip配合列表推导式给原df加列 #

predictions = logireg.predict(X.head(5))
df['predict'] = [pred for _, _, _, pred in zip(df['age'], df['job'], df['month'], predictions)]

这种写法比手动for循环紧凑，也不用操心索引匹配的问题。

3. 用for循环的实现方式 #

用for循环的话需要手动遍历索引，把每个预测值对应到行，写法繁琐还容易出错（比如索引不连续的时候就会出问题）：

predictions = logireg.predict(X.head(5))
# 先初始化新列
df['predict'] = 0
# 遍历索引赋值
for idx in range(len(df)):
    df.loc[idx, 'predict'] = predictions[idx]

除非有特殊场景需要逐行处理，否则不推荐这种方式。

总结：优先用直接赋值的方法，其次考虑zip，尽量避免手动for循环。

内容的提问来源于stack exchange，提问作者BigData