在處理數據過程中經常要把數據集切分為訓練集和測試集，因此記錄一下切分代碼。

'''

data:數據集

test_ratio:測試機占比

如果data為numpy.numpy.ndarray直接使用此代碼

如果data為pandas.DatFrame類型則

return data[train_indices],data[test_indices]

修改為

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]

測試代碼如下：

import numpy as np

import pandas as pd

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

print(data)

結果如下：

從上圖可以看出，原數據集按照5:1被隨機分為兩部分。但是此種方法存在一個缺點–每次調用次函數切分同一個數據集切分出來的結果都不一樣，因此常在np.random.permutation(len(data))先調用np.random.seed(int)函數，來確保每次切分來的結果相同。

因此將上述函數改為：

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]

這個函數np.random.seed(43)當參數為同一整數時產生的隨機數相同。

以上這篇Python數據集切分實例就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持腳本之家。

總結

以上是生活随笔為你收集整理的python划分数据集_Python数据集切分实例的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。