拆分数据框以测试和训练数据集

Question

  

使用pandas创建两个数据框：train_df和test_df，其中   train_df有80％的数据是随机均匀选择的   替换

此处，＆＃34; 数据随机均匀选择，无需替换＆＃34;意思？

另外，我该怎么做？

由于

Answer 1

＆＃34;随机统一选择＆＃34;意味着每一行都有相同的概率被选入80％

＆＃34;无需更换＆＃34;表示每行只考虑一次。一旦将其分配给培训或测试集，它就不是

例如，请考虑以下数据：

A            B

0            5
1            6
2            7
3            8
4            9

如果将此数据集拆分为80％的训练集和20％的测试集，那么我们最终会得到4行训练集（80％的数据）和1行的测试集（20％）数据）

无替换 假设第一行被分配给训练集。现在训练集是：

A            B

0            5

当下一行被分配到训练或测试时，将从剩余的行中选择：     A B

1            6
2            7
3            8
4            9

有替换 假设第一行被分配给训练集。现在训练集是：

A            B

0            5

但是下一行将使用整个数据集分配（即第一行已放回原始数据集中）

A            B

0            5
1            6
2            7
3            8
4            9

你怎么能这样做： 您可以使用scikit-learn：http://scikit-learn.org/stable/modules/generated/sklearn.model_selection.train_test_split.html

中的train_test_split函数

或者你可以使用pandas和Numpy来做到这一点：

df['random_number'] = np.random.randn(length_of_df)

train = df[df['random_number'] <= 0.8]
test = df[df['random_number'] > 0.8]