在数据框中的每个组上运行模型，并将关键指标输出到新的数据框中

import pandas as pd
from sklearn.linear_model import LinearRegression

# 假设有一个名为df的数据框，包含特征列'group'和'feature'，以及目标列'target'
df = pd.DataFrame({'group': ['A', 'A', 'B', 'B', 'C', 'C'],
                   'feature': [1, 2, 3, 4, 5, 6],
                   'target': [10, 20, 30, 40, 50, 60]})

# 创建一个新的数据框，用于存储关键指标
result_df = pd.DataFrame(columns=['group', 'key_metric'])

# 按组进行分组
groups = df.groupby('group')

# 遍历每个组
for group_name, group_data in groups:
    # 获取当前组的特征和目标列
    X = group_data[['feature']]
    y = group_data['target']
    
    # 创建并训练模型
    model = LinearRegression()
    model.fit(X, y)
    
    # 在当前组上计算关键指标（这里以模型的系数为例）
    key_metric = model.coef_[0]
    
    # 将关键指标添加到新的数据框中
    result_df = result_df.append({'group': group_name, 'key_metric': key_metric}, ignore_index=True)

# 打印结果
print(result_df)