我有一个很大的数据集（大约200 k行），我想把数据集随机分成两部分，70%作为训练数据，30%作为测试数据。有没有办法在python中做到这一点？注意我还想把这些数据集保存为excel或csv文件在我的电脑中。谢谢！
6ojccjat1#
from sklearn.model_selection import train_test_split #split the data into train and test set train,test = train_test_split(data, test_size=0.30, random_state=0) #save the data train.to_csv('train.csv',index=False) test.to_csv('test.csv',index=False)
mtb9vblg2#
首先导入以下内容：
from sklearn.model_selection import train_test_split import pandas as pd
为了进行拆分，您可以使用sklearn包中的train_test_split函数：
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)
其中X，y是从原始 Dataframe 中获取的。稍后，您可以使用panda包将它们导出为CSV：
X_train.to_csv(index=False) X_test.to_csv(index=False)
y数据也是如此。编辑：当你澄清了这个问题并要求在同一个文件中同时使用X和Y因子时，你可以做以下操作：
train, test = train_test_split(yourdata, test_size=0.3, random_state=42)
然后像我上面提到的那样将它们导出为csv。
2条答案
按热度按时间6ojccjat1#
mtb9vblg2#
首先导入以下内容：
为了进行拆分，您可以使用sklearn包中的train_test_split函数：
其中X，y是从原始 Dataframe 中获取的。
稍后，您可以使用panda包将它们导出为CSV：
y数据也是如此。
编辑：当你澄清了这个问题并要求在同一个文件中同时使用X和Y因子时，你可以做以下操作：
然后像我上面提到的那样将它们导出为csv。