在處理資料過程中經常要把資料集切分為訓練集和測試集，因此記錄一下切分**。
data:資料集
test_ratio:測試機占比
如果data為numpy.numpy.ndarray直接使用此**
如果data為pandas.datframe型別則
return data[train_indices],data[test_indices]
修改為return data.iloc[train_indices],data.iloc[test_indices]
def split_train(data,test_ratio):
shuffled_indices=np.random.permutation(len(data))
test_set_size=int(len(data)*test_ratio)
test_indices =shuffled_indices[:test_set_size]
train_indices=shuffled_indices[test_set_size:]
return data[train_indices],data[test_indices]
測試**如下：
import numpy as np
import pandas as pd
data=np.random.randint(100,size=[25,4])
print(data)
結果如下：
從上圖可以看出，原資料集按照5:1被隨機分為兩部分。但是此種方法存在乙個缺點?每次呼叫次函式切分同乙個資料集切分出來的結果都不一樣，因此常在np.random.permutation(len(data))先呼叫np.random.seed(int)函式，來確保每次切分來的結果相同。
因此將上述函式改為：
def split_train(data,test_ratio):
np.random.seed(43)
shuffled_indices=np.random.permutation(len(data))
test_set_size=int(len(data)*test_ratio)
test_indices =shuffled_indices[:test_set_size]
train_indices=shuffled_indices[test_set_size:]
return data[train_indices],data[test_indices]
這個函式np.random.seed(43)當引數為同一整數時產生的隨機數相同。
Python 語法 程式 案例 資料
浮點 小數 科學記數法 e 可以方便視覺化看 複數 可以做量子力學 高精度 from decimal import getcontext getcontext prec 50 a decimal 1 decimal 3 列表 資料集合 可以存放任意資料型別。方便增刪改查 功能 建立，查詢，切片，迴圈...
資料處理案例,資料質量案例
1 名稱錯誤 北京海定區世紀城 北京海淀區 2 全半形替換 北京 餐飲 改為 北京 餐飲 3 空格替換 海淀區世紀城金源時代商務中心 c座 4 資料補齊 樊城區建華路 出現這個位址，應該加上湖北省襄陽市。a 做一張地區mapping表 省份 市 縣 鎮鄉 如果有郵編號，首先我們可以根據郵編號找到對應...
實踐案例 資料視覺化報表應用
報表是乙個企業資料分析管理的基本工具，尤其是銀行 等 資料大戶 在報表的應用上有大量需求，也存在大量困擾。以廈門農村商業銀行為例。廈門農商業行的業務系統非常多，包括一 系統 comstar系統 辦公自動化系統 資料倉儲應用系統 審核審計系統等等。資料倉儲下還規劃了非常多的系統，集中了大量的報表需求。...