如何用Python将数据集分成训练集和测试集

要将数据集分成训练集和测试集，首先需要导入所需的库，包括pandas和sklearn。其中 pandas 用于处理数据，sklearn 则用于数据分离。以下是 Python 代码及详细解释：

import pandas as pd
from sklearn.model_selection import train_test_split

# 读入数据集
data = pd.read_csv('data.csv')

# 分离数据集
train_data, test_data, train_targets, test_targets = train_test_split(data.drop('output',axis=1), 
                                                                      data['output'], 
                                                                      test_size=0.3, 
                                                                      random_state=42)

首先，使用 Pandas 库的 read_csv() 函数将数据集读入内存。然后，使用 train_test_split() 函数将数据集分离为训练集和测试集。该函数的参数包括：

• data.drop('output',axis=1)：将数据集中的输出（也就是标签）从特征中剔除；
• data['output']：数据集中的输出（标签）;
• test_size=0.3：测试集占总数据集的比例，这里设置为 30%；
• random_state=42：随机数种子用于随机分离数据，若不设定，每次运行程序结果会不同。

最后，函数会返回四个对象，分别是训练集数据、测试集数据、训练集标签和测试集标签。分别将其存储在变量 train_data、 test_data、 train_targets 和 test_targets 中。

需要注意，这里默认的分离方式是随机分离。因此，每次运行该函数的结果都会略有不同。如果要保证原数据集的顺序不变，可以将 shuffle 参数设为 False。