python将csv划分数据集

你可以使用Python中的pandas库来划分CSV文件中的数据集。以下是一个示例代码，将CSV文件划分为训练集和测试集：

import pandas as pd
from sklearn.model_selection import train_test_split

# 读取CSV文件
data = pd.read_csv('data.csv')

# 划分特征和标签
X = data.drop('label', axis=1)
y = data['label']

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 打印训练集和测试集的大小
print("训练集大小:", len(X_train))
print("测试集大小:", len(X_test))

在这个示例中，我们首先使用pandas库的`read_csv`函数读取CSV文件，并假设CSV文件包含一个名为'label'的标签列和其他特征列。然后，我们使用`drop`函数将'label'列从特征中移除，并将其存储在变量X中，将'label'列存储在变量y中。

接下来，我们使用`train_test_split`函数从X和y中划分训练集和测试集。`test_size`参数指定了测试集的比例，这里设置为0.2表示测试集占总数据的20%。`random_state`参数用于设置随机种子，以确保每次运行代码时划分结果一致。

最后，我们打印出训练集和测试集的大小，以验证划分是否成功。

你可以根据自己的需求调整代码，例如设置不同的测试集比例或使用其他划分方法。