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億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
