如何不使用sklearn.train_test_split拆分数据集为训练集和测试集

注意：你现有代码里第一步读取的变量名为data，第二步采样用的变量是dataset，请先统一变量名避免运行报错，以下方案默认你已将读取到的数据集赋值给dataset变量。

方案1：推荐无循环高效实现 #

该方法不需要手动写校验逻辑，运行效率远高于for循环，适合任意数据量场景：

• 采样训练集时建议固定随机种子，保证每次运行拆分结果可复现：
  random_training = dataset.sample(n=75, random_state=42)
• 直接通过删除训练集索引的方式获取测试集：
  random_testing = dataset.drop(random_training.index)

执行完成后random_testing就是剩余25行的测试集DataFrame，可直接用于后续数据处理。

方案2：按需求的for循环实现 #

如果你必须通过for循环校验索引的逻辑来实现，可参考以下代码：

• 初始化空列表存储测试集数据
  random_testing = []
• 遍历原数据集索引逐一校验：

for idx in dataset.index:
    # 判断当前索引是否不在训练集的索引列表中
    if idx not in random_training.index:
        # 符合条件的行加入测试集列表
        random_testing.append(dataset.loc[idx])
# 可选：将列表转为Pandas DataFrame格式方便后续处理
random_testing = pd.DataFrame(random_testing)

完整可运行代码示例 #

import pandas as pd

# 读取Excel数据集
dataset = pd.read_excel('file.xlsx')
# 随机抽取75行作为训练集
random_training = dataset.sample(n=75, random_state=42)
# 获取测试集
random_testing = dataset.drop(random_training.index)

# 验证拆分结果
print(f"训练集行数：{len(random_training)}")
print(f"测试集行数：{len(random_testing)}")

内容的提问来源于stack exchange，提问作者dritech