python - 使用 Pandas 为 Scikit-Learn 准备 CSV 文件数据？

Question

我有一个没有标题的 csv 文件，我正在使用 pandas 将其导入 python。最后一列是目标类，其余列是图像的像素值。我如何继续使用 pandas (80/20) 将此数据集拆分为训练集和测试集？

此外，一旦完成，我将如何拆分这些集合中的每一个，以便我可以定义 x(除最后一列之外的所有列)和 y(最后一列)？

我使用以下方法导入了我的文件:

dataset = pd.read_csv('example.csv', header=None, sep=',')

谢谢

Answer 1

我建议使用 sklearn 的 train_test_split

from sklearn.model_selection import train_test_split
# for older versions import from sklearn.cross_validation
# from sklearn.cross_validation import train_test_split
X, y = dataset.iloc[:, :-1], dataset.iloc[:, -1]
kwargs = dict(test_size=0.2, random_state=1)
X_train, X_test, y_train, y_test = train_test_split(X, y, **kwargs)