python将训练集测试集分开导入读取代码

在Python中，通常我们会将数据集分为训练集（training set）和测试集（test set），这样做是为了评估模型的泛化能力。以下是使用pandas库来导入并划分数据的一般步骤：

import pandas as pd

# 假设你有一个CSV文件叫做'data.csv'
data = pd.read_csv('data.csv')

# 假设数据集有两列，一列用于预测（target），其他列用于特征（features）
# 我们可以假设第一列是目标变量，其他的列为特征
X = data.drop('target_column', axis=1)  # 特征
y = data['target_column']            # 目标值

# 划分训练集和测试集，常见的比例是80%训练集，20%测试集
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 现在你可以分别对训练集和测试集进行处理，比如预处理、模型训练等

在这个例子中，`train_test_split`函数帮我们随机地将数据划分为训练集和测试集。`random_state`是一个可选参数，用于确保每次分割结果都是一样的以便于复现。