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
2. 按比例随机采样切分数据集
2.1 按比例随机采样
df = df.sample(frac=1.0)
: 按100%的比例抽样即达到打乱数据的效果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)
df1
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
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
df1
df2
参考: