python训练集测试集自己导入代码

在Python中，通常将数据划分为训练集（Training Set）和测试集（Test Set），这是机器学习项目中非常关键的一步。这有助于评估模型在未见过的数据上的性能。以下是导入数据并划分训练集和测试集的基本步骤：

1. 导入必要的库：首先，你需要import pandas库用于数据处理，以及sklearn库中的train_test_split函数，它可以帮助我们划分数据。

import pandas as pd
from sklearn.model_selection import train_test_split

2. 加载数据：假设你有一个CSV文件`data.csv`存储了你的数据。

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

3. 数据预处理：清理缺失值、编码分类变量等，这里假设已经完成。

4. 划分训练集和测试集：定义特征（X）和目标变量（y），然后使用`train_test_split`函数。

X = df.drop('target_column', axis=1)  # 假设'target_column'是你需要预测的目标
y = df['target_column']

# 分割80%的数据作为训练集，20%的数据作为测试集，随机状态设置为固定数值以保证结果可复现
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

这里，`test_size`指定了测试集的比例，`random_state`用于保证每次分割数据的结果一致。