Pandas：打乱数据并切分
2018-08-21 本文已影响132人
ACphart
描述
- 在机器学习中，拿到一堆训练数据一般会需要将数据切分成训练集和测试集，或者切分成训练集、交叉验证集和测试集，为了避免切分之后的数据集在特征分布上出现偏倚，我们需要先将数据打乱，使数据随机排序，然后在进行切分。
- 需要用的方法如下：
注：df代表一个pd.DataFrame
-
df = df.sample(frac=1.0): 按100%的比例抽样即达到打乱数据的效果 -
df = df.reset_index()：打乱数据之后index也是乱的，如果你的index没有特征意义的话，直接重置就可以了，否则就在打乱之前把index加进新的一列，再生成无意义的index -
train = df.loc[0:a]: 进行切分操作，切分比例看情况定 -
cv = df.loc[a+1:b]: -
test = df.loc[b+1:-1]:
