按给定的比例随机分割一个Pandas数据框架

按给定的比例随机分割一个Pandas数据框架的完整攻略如下：

1. 首先，导入所需的库

import pandas as pd
from sklearn.model_selection import train_test_split

1. 加载数据集，这里以鸢尾花数据集为例

df = pd.read_csv('https://archive.ics.uci.edu/ml/'
                 'machine-learning-databases/iris/iris.data',
                 header=None)

1. 数据集一般包含两部分：特征和目标变量。我们需要将其分开，其中特征为前四列数据，目标变量为最后一列数据

X = df.iloc[:, :-1].values # 特征
y = df.iloc[:, -1].values # 目标变量

1. 然后，我们需要根据给定的比例随机分割数据集。这里使用scikit-learn库的train_test_split()函数

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)

其中，test_size参数表示测试集数据量所占比例，这里为30%；random_state参数表示随机种子，保证每次运行时分割结果相同。

1. 现在，我们已经成功将数据集随机分割，可以对分割结果进行检查

print('训练集样本数：', X_train.shape[0])
print('测试集样本数：', X_test.shape[0])

1. 最后，可以将分割后的数据集保存为新的数据框架

train_df = pd.DataFrame(X_train, columns=df.columns[:-1])
train_df['target'] = pd.Series(y_train, index=train_df.index)
test_df = pd.DataFrame(X_test, columns=df.columns[:-1])
test_df['target'] = pd.Series(y_test, index=test_df.index)

以上就是按给定的比例随机分割一个Pandas数据框架的完整攻略，下面是完整实例代码