请求协助：创建基于元组参数的训练测试集拆分函数

你可以使用scikit-learn中的train_test_split工具来实现这个需求，以下是完整的函数代码：

from sklearn.model_selection import train_test_split
import pandas as pd

def split_dataset(data_tuple):
    X, y = data_tuple
    # 可选：校验输入类型，提前排查不符合要求的输入
    if not isinstance(X, pd.DataFrame):
        raise TypeError("X必须是pandas DataFrame类型")
    if not isinstance(y, pd.Series):
        raise TypeError("y必须是pandas Series类型")
    
    # 按70%训练集、30%验证集拆分，random_state保证拆分结果可复现
    X_train, X_test, y_train, y_test = train_test_split(
        X, y, test_size=0.3, random_state=42
    )
    return (X_train, X_test, y_train, y_test)

关键说明： #

• train_test_split会自动保留输入的原始类型，因此只要传入的X是DataFrame、y是Series，返回的结果也会对应保持该类型
• 设置random_state=42是为了让每次拆分的结果一致，方便调试和复现，你可以根据需要修改这个值或者直接移除该参数
• 可选的类型校验可以提前发现输入不符合要求的情况，避免后续流程报错

使用示例： #

# 构造示例数据集
X = pd.DataFrame({'feature1': [1,2,3,4,5,6,7,8,9,10], 'feature2': [11,12,13,14,15,16,17,18,19,20]})
y = pd.Series([0,1,0,1,0,1,0,1,0,1])

# 调用函数拆分数据集
X_train, X_test, y_train, y_test = split_dataset((X, y))

# 验证结果类型
print(type(X_train))  # <class 'pandas.core.frame.DataFrame'>
print(type(y_train))  # <class 'pandas.core.series.Series'>

内容的提问来源于stack exchange，提问作者tt241