python将csv划分数据集

您可以使用Python的pandas库来划分csv数据集。下面是一个示例代码，演示如何将数据集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('dataset.csv')

# 划分特征和目标变量
X = data.drop('target', axis=1)
y = data['target']

# 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:", X_train.shape)
print("测试集大小:", X_test.shape)

在上面的代码中，首先使用pandas库的`read_csv`函数读取csv文件。然后，利用`drop`函数将目标变量从特征中分离出来，得到特征矩阵X和目标向量y。接下来，使用`train_test_split`函数将数据集划分为训练集和测试集，其中`test_size`参数指定了测试集的比例（例如0.2表示20%的数据作为测试集），`random_state`参数用于设定随机种子以保证可重复性。

最后，通过打印训练集和测试集的大小，您可以确认划分是否成功。

请注意，上述代码仅为示例，您需要根据您的具体数据集和需求进行适当的修改。