Python如何实现拆分数据集

 更新时间:2023年09月11日 11:07:27   作者:SunnyRivers  
这篇文章主要介绍了Python如何实现拆分数据集问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教

前言

训练模型之前一般需要把数据集拆分为训练集和测试集,使用python代码如何拆分的关键就是如何更方便的选择出自变量X和因变量Y。

加载数据

# 导入第三方模块
import pandas as pd
# 读入数据
df = pd.read_csv(r'splitfeatures.csv')
df.head()

在这里插入图片描述

如何选择出X和Y

最简单的方式一个一个选择

X = df[['age','sex','income','profession']]
y = df['is_buy']

用iloc和loc选择

X1 = df.iloc[:,[0,1,2,4]]
y1 = df.iloc[:,[3]]
X2 = df.loc[:,['age','sex','income','profession']]
y2 = df.loc[:,['is_buy']]

用drop选择

X3 = df.drop(['is_buy'],axis=1)
y3 = df.is_buy

使用dataframe的colunms方法

col = df.columns[[0,1,2,4]]
X4 = df.loc[:,col]
X5 = df.iloc[:, df.columns != 'is_buy']
y5 = df.iloc[:, df.columns == 'is_buy']

使用model_selection拆分数据集

from sklearn import model_selection
# 将数据集拆分为训练集和测试集
X_train, X_test, y_train, y_test = model_selection.train_test_split(X, y, test_size = 0.2, random_state = 1234)

后记

看完上面的内容,应该对拆分数据集有了一个基本认识。

下面写一个较为完整的案例:

引入必要的库

在开始之前,我们需要引入一些必要的Python库,包括numpy和sklearn。

Numpy库用于处理数组和矩阵,而sklearn库则提供了数据集拆分的函数。

import numpy as np
from sklearn.model_selection import train_test_split

加载数据集

首先,我们需要加载我们的数据集。

这里以一个简单的鸢尾花数据集为例。

from sklearn.datasets import load_iris
iris = load_iris()
X = iris.data
y = iris.target

数据集

拆分使用sklearn库的train_test_split函数可以很方便地拆分数据集。

该函数会将数据集按一定的比例拆分为训练集和测试集。

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

这里的test_size参数表示要分割测试集所占的比例,通常约定为0.2或0.3。

而random_state参数用于设置随机种子,保证每次运行代码时得到的拆分结果是相同的。

拆分结果的验证

在完成数据集拆分后,我们可以验证拆分的结果是否正确。

这可以通过打印训练集和测试集的长度来实现。

print("训练集长度:", len(X_train))
print("测试集长度:", len(X_test))

拆分结果的应用

最后,我们可以将拆分后的数据集用于模型的训练和测试。

# 在训练集上训练模型
model.fit(X_train, y_train)
# 在测试集上测试模型性能
accuracy = model.score(X_test, y_test)
print("模型准确率:", accuracy)

总结

通过使用sklearn库的train_test_split函数,我们可以很方便地将数据集拆分为训练集和测试集。

同时,我们还提到了调整拆分比例和设置随机种子的一些技巧。希望这些技巧能帮助你更好地进行模型训练和测试,也希望大家多多支持脚本之家。

相关文章

  • python复合条件下的字典排序

    python复合条件下的字典排序

    这篇文章主要介绍了python复合条件下的字典排序,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2020-12-12
  • Python绘图库之pyqtgraph的用法详解

    Python绘图库之pyqtgraph的用法详解

    PyQtGraph建立在Qt QGraphicsScene的原生库,可提供更好更高性能绘图能力,特别是对于实时数据,可以提供交互性和使用Qt图形小部件轻松自定义绘图的能力。本文就来解释一下pyqtgraph的用法,需要的可以收藏一下
    2022-12-12
  • python sys,os,time模块的使用(包括时间格式的各种转换)

    python sys,os,time模块的使用(包括时间格式的各种转换)

    这篇文章主要介绍了python sys,os,time模块的使用(包括时间格式的各种转换),小编觉得挺不错的,现在分享给大家,也给大家做个参考。一起跟随小编过来看看吧
    2018-04-04
  • Pytest测试报告工具Allure的高级用法

    Pytest测试报告工具Allure的高级用法

    这篇文章介绍了Pytest测试报告工具Allure的高级用法,文中通过示例代码介绍的非常详细。对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
    2022-07-07
  • 人脸识别实战之Opencv+SVM实现人脸识别

    人脸识别实战之Opencv+SVM实现人脸识别

    这篇文章主要介绍了通过Opencv+SVM实现人脸识别功能,文中的示例代码介绍详细,对于我们学习人脸识别和OpenCV都有一定的帮助,感兴趣的小伙伴可以学习一下
    2021-12-12
  • Python实现创建快速剪映草稿轨道自动生成视频

    Python实现创建快速剪映草稿轨道自动生成视频

    这篇文章主要为大家详细介绍了如何使用Python实现创建快速剪映草稿轨道并自动生成视频,文中的示例代码讲解详细,需要的可以参考一下
    2023-08-08
  • python Tkinter是什么

    python Tkinter是什么

    大家好,本篇文章主要讲的是 python Tkinter是什么,感兴趣的同学赶快来看一看吧,对你有帮助的话记得收藏一下
    2022-01-01
  • python实现广度优先搜索过程解析

    python实现广度优先搜索过程解析

    这篇文章主要介绍了python实现广度优先搜索过程解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2019-10-10
  • Python通过Manager方式实现多个无关联进程共享数据的实现

    Python通过Manager方式实现多个无关联进程共享数据的实现

    这篇文章主要介绍了Python通过Manager方式实现多个无关联进程共享数据的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2019-11-11
  • 解决python明明pip安装成功却找不到包的问题

    解决python明明pip安装成功却找不到包的问题

    今天小编就为大家分享一篇解决python明明pip安装成功却找不到包的问题,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2019-08-08

最新评论