冉冉升起的如银的炊烟，那更古沉默永不停息的小溪，那驮着夕阳缓缓独行的老牛，一方方秧田像棋盘格子，绿绒绒的秧苗，织成一幅幅地毯，远远地伸向天际；丛丛绿树掩映着青砖红瓦的房屋。春天，故乡的松树林依然郁郁苍苍，映山红却已开遍山丘。
sklearn的cross_validation包中含有将数据集按照一定的比例，随机划分为训练集和测试集的函数train_test_split
from sklearn.cross_validation import train_test_split #x为数据集的feature熟悉，y为label. x_train, x_test, y_train, y_test = train_test_split(x, y, test_size = 0.3)
得到的x_train,y_train（x_test,y_test）的index对应的是x,y中被抽取到的序号。
若train_test_split传入的是带有label的数据，则如下代码：
from sklearn.cross_validation import train_test_split #dat为数据集,含有feature和label. train, test = train_test_split(dat, test_size = 0.3)
train,test含有feature和label的。
自己写了一个函数：
#X:含label的数据集：分割成训练集和测试集 #test_size:测试集占整个数据集的比例 def trainTestSplit(X,test_size=0.3): X_num=X.shape[0] train_index=range(X_num) test_index=[] test_num=int(X_num*test_size) for i in range(test_num): randomIndex=int(np.random.uniform(0,len(train_index))) test_index.append(train_index[randomIndex]) del train_index[randomIndex] #train,test的index是抽取的数据集X的序号 train=X.ix[train_index] test=X.ix[test_index] return train,test
以上这篇python 划分数据集为训练集和测试集的方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。
