用 Pandas 的 DataFrame将csv文件合理的划分测试集和训练集

可以使用 Pandas 的 sample 方法随机划分测试集和训练集。具体操作如下：

1. 读取 csv 文件为 DataFrame：

import pandas as pd

df = pd.read_csv('your_file_name.csv')

2. 随机划分测试集和训练集：

train_df = df.sample(frac=0.8, random_state=123)  # 随机划分训练集，占比为 80%
test_df = df.drop(train_df.index)  # 测试集为剩余部分

其中，`frac` 参数指定训练集占总数据量的比例，`random_state` 参数为随机种子，保证每次划分结果一致。

3. 可以将训练集和测试集保存为新的 csv 文件：

train_df.to_csv('train.csv', index=False)  # 不保存行索引
test_df.to_csv('test.csv', index=False)

以上操作将 DataFrame 划分为测试集和训练集，并将它们保存为新的 csv 文件。

相关问题

用 Pandas 的 DataFrame将csv文件按照7：3划分测试集和训练集

可以使用 Pandas 的 sample 方法随机划分测试集和训练集。具体操作如下：

1. 读取 csv 文件为 DataFrame：

import pandas as pd

df = pd.read_csv('your_file_name.csv')

2. 随机划分测试集和训练集：

train_df = df.sample(frac=0.7, random_state=123)  # 随机划分训练集，占比为 70%
test_df = df.drop(train_df.index)  # 测试集为剩余部分

其中，`frac` 参数指定训练集占总数据量的比例，`random_state` 参数为随机种子，保证每次划分结果一致。这里设置为 0.7：0.3，即训练集占 70%，测试集占 30%。

3. 可以将训练集和测试集保存为新的 csv 文件：

train_df.to_csv('train.csv', index=False)  # 不保存行索引
test_df.to_csv('test.csv', index=False)

以上操作将 DataFrame 划分为测试集和训练集，并将它们保存为新的 csv 文件。

csv文件划分训练集和测试集

要将CSV文件划分为训练集和测试集，可以按照以下步骤进行操作：

1. 导入CSV文件并将其转换为pandas DataFrame。

import pandas as pd

data = pd.read_csv('data.csv')

2. 将数据集随机划分为训练集和测试集。

from sklearn.model_selection import train_test_split

train_data, test_data = train_test_split(data, test_size=0.2, random_state=42)

其中，test_size表示测试集所占比例，random_state为随机种子，确保每次划分结果一致。

3. 将划分后的数据集保存为CSV文件。

train_data.to_csv('train_data.csv', index=False)
test_data.to_csv('test_data.csv', index=False)

其中，index=False表示不保存索引列。

此时，就可以得到划分好的训练集和测试集CSV文件。