Python划分训练集数据并进行量纲处理

读取数据

data = pd.read_csv('C://Users//TD//Desktop//hosptdata.csv')
data1 = pd.read_csv('C://Users//TD//Desktop//adjestdata.csv')  # 纯数值数据

数据归一化处理

（1）最小-最大规范化

newdata=(data1 - data1.min())/(data1.max() - data1.min()) 

（2）均值和标准差归一化

import numpy as np
arr_mean = np.mean(data) #求均值
arr_std = np.std(data,ddof=1) #求标准差
newdata=(data-arr_mean )/arr_std 

数据框合并

（1） 直接合并数据框

data=pandas.concat([data1,data2,data3]) 

（2）合并数据框中指的的行列

data=pandas.concat([
    data1[[0,1]],
    data2[[1,2]],
    data3[[0,2]]
    ])    # 数据框中的列有选择的合并

X和Y的设定

X = data[['年龄', '性别', '病种','确诊天数','门诊与入院诊断符合情况','是否感染','是否住院超30天','检验时长','检查时长']]  # 选取列名为x1,x2,x3的列作为X
Y = data[['住院天数']]  # 选取列名为y的作为Y.

单独对X和Y 训练集和测试集划分

from sklearn.model_selection import train_test_split
X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.2, random_state=42)

数据集训练集和测试集划分

from sklearn.model_selection import train_test_split#data为数据集
train, test = train_test_split(data, test_size = 0.1)