在探索不同的用例时，我在没有shuffle的情况下进行分层train_test_split时出错。这对时间序列数据很有帮助，但出于演示目的，提供了一个简单的数据集。
验证码：
import pandas as pd
from sklearn.model_selection import train_test_split
# Sample DataFrame, replace this with your actual DataFrame
data = pd.DataFrame({
'feature1': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
'target': [0, 1, 0, 1, 0, 1, 0, 1, 0, 1]
})
# Splitting the DataFrame into two equal parts while stratifying on the 'target' column
train_df, test_df = train_test_split(data, test_size=0.2, shuffle=False, stratify=data['target'], random_state=42)
train_df, test_df错误：
ValueError: Stratified train/test split is not implemented for shuffle=False是否有更好的方法通过保持顺序（升序或降序）来按test_size分割 Dataframe ？
2条答案
按热度按时间krcsximq1#
你可以添加一个伪顺序列，用
shuffle=True运行train_test_split，然后在伪列上对训练/测试数据集进行排序。这个想法很像：
irtuqstp2#
根据文档，如果shuffle=False，则stratize必须为None。
如果你想分割数据，并且前80%的行在训练中，20%的尾在测试中，你不能保证你的样本会分层。如果你想让它们分层，你需要接受第一列/中间列的一些测试。
假设你的数据集是按目标排序的。分层意味着训练和测试必须具有相似的分布。如果你把一个框架的尾部放在测试中，