划分训练集和测试集python代码

以下是一个简单的 Python 代码示例，用于将数据集分成训练集和测试集：

import numpy as np

# 载入整个数据集
data = np.loadtxt('data.csv', delimiter=',')

# 随机打乱数据
np.random.shuffle(data)

# 划分训练集和测试集的比例
train_ratio = 0.8

# 计算训练集和测试集的数量
train_size = int(train_ratio * len(data))
test_size = len(data) - train_size

# 划分训练集和测试集
train_data = data[:train_size]
test_data = data[train_size:]

print(f'Train data size: {len(train_data)}')
print(f'Test data size: {len(test_data)}')

上述代码中，假设数据存储在名为 `data.csv` 的 CSV 文件中。首先，我们使用 `numpy` 库来将数据加载到一个名为 `data` 的 NumPy 数组中。然后，我们使用 `np.random.shuffle()` 函数来随机打乱数据顺序。接下来，我们使用 `train_ratio` 变量指定训练集所占比例，计算出训练集和测试集的数量。最后，我们使用 NumPy 数组切片来提取训练集和测试集，并打印它们的大小。

相关问题

python 从原始数据划分训练集和测试集 代码

Python可以使用sklearn库中的train_test_split()函数来从原始数据划分训练集和测试集，代码如下：from sklearn.model_selection import train_test_splitX_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.2, random_state=0)

用python写一段代码划分数据集，分成训练集和测试集

以下是一段使用sklearn库划分数据集的Python代码，将数据集分为训练集和测试集：

from sklearn.model_selection import train_test_split

# 假设X为特征数据，y为标签数据
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# test_size表示测试集所占比例，random_state用于指定随机数生成器的种子

其中，train_test_split函数将数据集划分为训练集和测试集，并返回划分后的数据集，其中test_size指定测试集所占的比例。通过指定random_state，可以保证每次运行代码时，得到的划分结果都是一样的。