如何按观测序号划分Pandas数据集为训练集(0-40)与测试集(40-71)

既然你需要固定索引范围的划分（而非随机抽样），直接用Pandas的索引筛选或位置索引就能搞定，以下是具体实现：

方法1：按索引值筛选 #

假设你的X和y的索引是0到71的连续整数，直接根据索引范围提取即可：

# 训练集：索引0到40的所有观测（包含40）
X_train = X.loc[X.index <= 40]
y_train = y.loc[y.index <= 40]

# 测试集：索引40到71的所有观测（包含40和71）
X_test = X.loc[(X.index >= 40) & (X.index <= 71)]
y_test = y.loc[(y.index >= 40) & (y.index <= 71)]

如果你的索引不是连续整数，但你知道训练/测试集对应的具体索引列表，也可以直接传列表筛选：

# 手动定义索引范围
train_indices = list(range(0, 41))  # 0到40（共41个样本）
test_indices = list(range(40, 72))  # 40到71（共32个样本）

X_train = X.loc[train_indices]
y_train = y.loc[train_indices]
X_test = X.loc[test_indices]
y_test = y.loc[test_indices]

方法2：按行位置划分（iloc） #

如果你的数据是按时间顺序排好的（前2个月在前，最后1个月在后），用位置索引iloc更直接：

# 训练集：前41行（位置0到40，iloc是左闭右开，所以写:41）
X_train = X.iloc[:41]
y_train = y.iloc[:41]

# 测试集：从第40行到第71行（包含两端，所以写40:72）
X_test = X.iloc[40:72]
y_test = y.iloc[40:72]

小提醒 #

• 如果不想让训练集和测试集有重叠（比如索引40的样本只属于测试集），把测试集的起始索引改成41就行，比如X_test = X.loc[X.index >= 41]
• 确保X和y的索引是完全对齐的，这样筛选出来的特征和标签才不会对应错

内容的提问来源于stack exchange，提问作者ty101