Python数据集切分实例


						在处理数据过程中经常要把数据集切分为训练集和测试集，因此记录一下切分代码。





'''

data:数据集

test_ratio:测试机占比

如果data为numpy.numpy.ndarray直接使用此代码

如果data为pandas.DatFrame类型则

  return data[train_indices],data[test_indices]

修改为

  return data.iloc[train_indices],data.iloc[test_indices]

'''

def split_train(data,test_ratio):

  shuffled_indices=np.random.permutation(len(data))

  test_set_size=int(len(data)*test_ratio)

  test_indices =shuffled_indices[:test_set_size]

  train_indices=shuffled_indices[test_set_size:]

  return data[train_indices],data[test_indices]



测试代码如下：





import numpy as np

import pandas as pd

data=np.random.randint(100,size=[25,4])

print(data)



结果如下：





从上图可以看出，原数据集按照5:1被随机分为两部分。但是此种方法存在一个缺点–每次调用次函数切分同一个数据集切分出来的结果都不一样，因此常在np.random.permutation(len(data))先调用np.random.seed(int)函数，来确保每次切分来的结果相同。

因此将上述函数改为：





def split_train(data,test_ratio):

  np.random.seed(43)

  shuffled_indices=np.random.permutation(len(data))

  test_set_size=int(len(data)*test_ratio)

  test_indices =shuffled_indices[:test_set_size]

  train_indices=shuffled_indices[test_set_size:]

  return data[train_indices],data[test_indices]



这个函数np.random.seed(43)当参数为同一整数时产生的随机数相同。

以上这篇Python数据集切分实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持中文源码网。