从数据透视表熊猫中提取较小的表

Question

我想将以下数据透视表拆分为训练和测试集（以评估推荐系统），并正在考虑提取两个具有不重叠索引（userID）和列值（ISBN）的表。如何正确分割？谢谢。

Answer 1

如@moys所建议，可以先将数据框列拆分为不重叠的列名，然后再使用train_test_split中的scikit-learn。

示例：

import pandas as pd import numpy as np from sklearn.model_selection import train_test_split

生成数据：

df = pd.DataFrame(np.random.randint(0,100,size=(100, 4)), columns=list('ABCD'))

以某种方式分割df列，例如一半：

cols = int(len(df.columns)/2) df_A = df.iloc[:, 0:cols] df_B = df.iloc[:, cols:]

使用train_test_split：

train_A, test_A = train_test_split(df_A, test_size=0.33) train_B, test_B = train_test_split(df_B, test_size=0.33)