在處理數(shù)據(jù)過程中經(jīng)常要把數(shù)據(jù)集切分為訓(xùn)練集和測試集，因此記錄一下切分代碼。
'''data:數(shù)據(jù)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 npimport pandas as pddata=np.random.randint(100,size=[25,4])print(data)
結(jié)果如下：
從上圖可以看出，原數(shù)據(jù)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(diào)用次函數(shù)切分同一個數(shù)據(jù)集切分出來的結(jié)果都不一樣，因此常在np.random.permutation(len(data))先調(diào)用np.random.seed(int)函數(shù)，來確保每次切分來的結(jié)果相同。
因此將上述函數(shù)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(shù)np.random.seed(43)當(dāng)參數(shù)為同一整數(shù)時產(chǎn)生的隨機數(shù)相同。
以上這篇Python數(shù)據(jù)集切分實例就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持VEVB武林網(wǎng)。
新聞熱點
疑難解答
圖片精選
