Question

我在python的世界里真的很新。我已经看到了一个在trainset和testset中分裂的例子。但只能使用数字类型。例子：

import random

with open("datafile.txt", "rb") as f:
    data = f.read().split('\n')

random.shuffle(data)

train_data = data[:50]
test_data = data[50:]

所以我想做的是通过常规/相对表达式将数据分成训练或测试集。用输入来做。想象一下，我有一个包含所有水果的专栏，另一个用他的重量，另一个用他的价格，但有些没有价格。我想分割数据，例如苹果价格＆gt; 0做火车组，苹果价格0到测试集做一些预测。

我想用数据集来做，我必须输入我想要预测的内容

很抱歉，如果我没有解释清楚。

谢谢你的帮助，任何建议都会被贬低。

数据可能是这样的

Fruits     Weight   Price
Apple       5         1
Apple       3         0.6
Apple       3         0
Banana      5         10
Banana      4         8
Banana      2         0 
Orange      10        20
Orange      5         12
Orange      2         0
Kiwi        5         6
Kiwi        5         6
Kiwi        2         0

然后我想输入像水果：苹果，重量：10 输出想要成为培训后的价格。

再次感谢您的帮助!!!

Answer 1

为此使用pandas和numpy：

import pandas as pd
import numpy as np

df = pd.read_table('datafile.txt', sep='\s+', header=None)
df.fillna(0, inplace=True)
print(df)


print(df.reindex(np.random.permutation(df.index)))

第一个print的输出是：

        0     1
0   apple  10.0
1  banana   4.0
2  orange   2.0
3   peach   0.0

使用numpy的permutation函数后，DataFrame看起来像这样：

        0     1
2  orange   2.0
0   apple  10.0
1  banana   4.0
3   peach   0.0

如果您想获取数据的第一列，请使用df[0]，然后可以相应地访问第二列：df[1]。两者基本上都是numpy列表。有了这些数据，您就可以进行培训和测试。我希望这对你有所帮助。由于相当不明确的问题，这就是我所能做的。

Answer 2

你说你要根据一个逻辑来分割数据以进行预测，在这个逻辑中，火车组将具有价格＆gt;的结果。 0，而测试集将有0价格的水果。如果您尝试构建任何预测模型，我强烈建议反对，因为您的模型会有预测偏差。

例如，如果您使用此逻辑训练逻辑回归模型，您将始终高估测试集中的价格，因为您的训练集仅具有正值。对于所有类别，训练和测试集应具有相等的边际概率。

在您想要分割的数据集结束后，您可以尝试使用sklearn.train_test_split进行拆分。例如

import numpy as np
from sklearn.model_selection import train_test_split

#Create 5x4 table with the last column to be regarded as target value
data = np.arange(20).reshape(5, 4)

#Split into training/test for features(X) and target variable(y)
X_train, X_test, y_train, y_test = train_test_split(data[:,0:3],
data[:,3], test_size=0.33, random_state=42)

使用带输入的字符串拆分为trainset和testset

2 个答案: