如何通过pandas冒号切片合并多段区间数据构造自定义训练集

需求为取位置索引40-80区间的数据作为测试集，合并[:40]、[80:]两个区间作为训练集，可通过以下两种方式实现：

• 方法1：拼接切片
  用pandas内置的concat方法直接拼接训练集对应的两个片段即可，和原生切片逻辑完全一致：

  import pandas as pd
  
  # 测试集取40-80位置数据，pandas切片遵循左闭右开规则，实际包含40到79位共40条数据
  X_test = x.iloc[40:80]
  y_test = y.iloc[40:80]
  
  # 拼接前后两段作为训练集
  X_train = pd.concat([x.iloc[:40], x.iloc[80:]])
  y_train = pd.concat([y.iloc[:40], y.iloc[80:]])
  

  所有切片统一用.iloc[]实现，是为了兼容行索引非默认连续整数的场景，避免直接用[]按标签切片导致的取数错误，写法更稳妥。如果需要调整测试集区间，直接修改切片的起止数值即可，比如取50-80作为测试集时，对应把测试集切片改为x.iloc[50:80]，训练集拼接的两个片段改为x.iloc[:50]、x.iloc[80:]即可。

• 方法2：布尔掩码筛选
  数据量较大时推荐用该方法，无需拼接操作，运行效率更高：

  import numpy as np
  
  # 生成和数据集行数一致的布尔数组，测试集对应位置标记为True
  test_mask = np.zeros(len(x), dtype=bool)
  test_mask[40:80] = True
  
  # 按掩码直接筛选对应集合
  X_test = x[test_mask]
  y_test = y[test_mask]
  X_train = x[~test_mask] # ~为按位取反，即筛选所有不属于测试集的行
  y_train = y[~test_mask]
  

  该方法不会改变原数据的行顺序，逻辑更直观，调整测试集区间时只需要修改test_mask的切片范围即可。

内容的提问来源于stack exchange，提问作者ahm ane