dataframe 怎么导入新数据利用GBDT模型得出结果，此时没有保存gbdt_model.pkl 的文件

首先，需要将新数据导入到DataFrame中。假设我们已经将新数据存储在名为`new_data.csv`的文件中，可以使用pandas库的`read_csv`函数读取数据并创建DataFrame对象：

import pandas as pd

new_data = pd.read_csv('new_data.csv')

接下来，我们需要使用之前训练的GBDT模型来对新数据进行预测。如果没有保存之前训练的模型，则需要重新训练模型或者从其他地方获取预训练好的模型。如果您已经训练好了模型并将其保存在名为`gbdt_model.pkl`的文件中，则可以使用以下代码加载模型：

import pickle

with open('gbdt_model.pkl', 'rb') as f:
    model = pickle.load(f)

如果您没有保存模型，则需要重新训练模型。假设您已经定义好了训练数据`train_data`和标签`train_label`，可以使用以下代码训练模型：

from sklearn.ensemble import GradientBoostingClassifier

model = GradientBoostingClassifier()
model.fit(train_data, train_label)

训练完成后，您可以使用`predict`方法对新数据进行预测：

result = model.predict(new_data)

预测结果将会是一个包含所有样本的数组。您可以将其转换为DataFrame对象以便于处理：

result_df = pd.DataFrame(result, columns=['prediction'])

最后，您可以将预测结果保存到CSV文件中：

result_df.to_csv('result.csv', index=False)