Python:如何将数据采样到测试和训练数据集中？

Question

我一直在使用 CSV 数据来实现我的脚本，并希望将数据采样到两个数据集中:

1. 测试数据
2. 训练数据

我想对85%和15%的数据集进行采样，想输出两个CSV文件Test.csv和Train.csv

我希望它在基本 Python 中执行，并且不想使用任何其他外部模块，如 Numpy、SciPy、Pandas 或 Scikitlearn。谁能帮我按百分比随机抽样数据。此外，我将获得可能具有随机观测值的数据集。到目前为止，我刚刚阅读了有关 Pandas 和其他各种模块的信息，以按百分比为基础对数据进行采样，但还没有针对我的问题找到任何具体的解决方案。

此外，我想在两个文件中保留 CSV 的 header 。因为标题将使每一行都可访问并可用于进一步分析。

Answer 1

使用 random random module 中的函数得到一个在 0 和 1 之间均匀分布的随机数。

如果是 > .85 写入训练数据，否则写入测试数据。参见 How do I simulate flip of biased coin in python? .

import random

with open(input_file) as data:
    with open(test_output, 'w') as test:
        with open(train_output, 'w') as train:
            header = next(data)
            test.write(header)
            train.write(header)
            for line in data:
                if random.random() > 0.85:
                    train.write(line)
                else:
                    test.write(line)