pandas DataFrame按比例随机采样以达到拆分数据集的作用

1. 创建/加载数据集

data = {
        '水果':['苹果','梨','草莓','香蕉','西瓜'],
        '价格':[2,6,1,8,3]
       }
df=pd.DataFrame(data)
df

	水果	价格
0	苹果	2
1	梨	6
2	草莓	1
3	香蕉	8
4	西瓜	3

2. 按比例随机采样切分数据集

2.1 按比例随机采样

1. df = df.sample(frac=1.0): 按100%的比例抽样即达到打乱数据的效果
2. df = df.reset_index()：打乱数据之后index也是乱的，如果你的index没有特征意义的话，直接重置就可以了，否则就在打乱之前把index加进新的一列，再生成无意义的index

df1=df.sample(frac=0.6)#按0.6比例随机采样
df1

	水果	价格
4	西瓜	3
1	梨	6
2	草莓	1

2.2 去掉df中已经采样过的样本

isin表示df中index和df1重复的行，~表示取反，即不重复的，相当于按行索引取差集

df2=df[~df.index.isin(df1.index)]

2.3 得到df2，即df中去掉采样过的样本后的df2

df2

	水果	价格
0	苹果	2
3	香蕉	8

3. 对比查看三个dataframe

如果需要重置行索引，使用df = df.reset_index(drop=True)
默认值是False
如果drop=False，会使原来的index变成新的数据列保留。
如果不想保留原来的index，直接使用重置后的索引，使用drop=True

df

	水果	价格
0	苹果	2
1	梨	6
2	草莓	1
3	香蕉	8
4	西瓜	3

df1

	水果	价格
4	西瓜	3
1	梨	6
2	草莓	1

df2

	水果	价格
0	苹果	2
3	香蕉	8

参考：

• https://www.jianshu.com/p/5cf2abe4385c
• https://zhuanlan.zhihu.com/p/37378190
• https://blog.csdn.net/qq_36523839/article/details/80640139