如何根据列值将数据拆分为训练和测试并混洗组合？

Question

我有一个数据集，我想根据列值拆分数据集。在每次迭代中，训练集将包含所有数据，但属于2个值的数据除外，这些数据将保留给测试集。

例如，我们有一个列x，其值为a，b，c，d，e和{{1 }}。

目前，我正在进行手动选择，但由于我想尝试每种可能的组合，因此我不确定如何做到最好。

f

如何更改此代码以考虑所有可能的组合？

我还希望能够打印这些组合，以查看用于训练和测试集的组合。

Answer 1

未经测试，但是如何使用itertools.combinations，如：

for holdouts in itertools.combinations(df['x'].unique(), 2):
    print(holdouts)
    train = df[~df['x'].isin(holdouts)]
    test = df[df['x'].isin(holdouts)]

您可以通过执行mask = df['x'].isin(holdouts)

保存评估

请注意，对于布尔值建立索引，.loc不是必需的

Answer 2

iteratetools.combinations应该可以工作。