我有一个DataFrame,其中多行共享group_id值(非常多的组)。
是否有一种优雅的方式可以将这些数据随机分成培训和测试数据,其方式是培训和测试集不共享group_id?
我现在能想出的最好的流程是
- 从msk = np.random.rand()创建掩码
- 将其应用于DataFrame
- 检查测试文件以查找与训练集共享group_id的行,并将这些行移动到训练集。
这显然不优雅,并且存在多个问题(包括测试数据最终为空的可能性)。我觉得必须有更好的方法,是吗?
谢谢
答案 0 :(得分:0)
哦,有一种简单的方法!