分组后运行多个模型，并保存为数据帧中的列

import pandas as pd
from sklearn.linear_model import LinearRegression
from sklearn.tree import DecisionTreeRegressor

# 假设我们有一个包含特征和目标变量的数据框 df
# 假设我们要按照某个特定的变量 group 进行分组，并在每个分组中运行线性回归和决策树回归模型

# 创建一个空的数据框，用于保存模型结果
results_df = pd.DataFrame()

# 按照 group 变量进行分组
groups = df.groupby('group')

# 遍历每个分组
for name, group in groups:
    # 提取特征和目标变量
    X = group[['feature1', 'feature2']]
    y = group['target']
    
    # 创建线性回归模型并拟合数据
    linear_model = LinearRegression()
    linear_model.fit(X, y)
    
    # 创建决策树回归模型并拟合数据
    tree_model = DecisionTreeRegressor()
    tree_model.fit(X, y)
    
    # 将模型结果保存到数据框中
    results_df[name + '_linear'] = linear_model.predict(X)
    results_df[name + '_tree'] = tree_model.predict(X)

# 打印结果数据框
print(results_df)