使用TensorFlow时如何合并泰坦尼克号数据集的训练集和测试集

你当前使用的是pandas加载的两个结构完全一致的DataFrame，直接使用pd.concat()按行拼接即可，替换你代码中问号部分的代码如下：

# 基础合并方案：自动重置行索引
MY_DATA = pd.concat([data_train, data_test], ignore_index=True)

参数说明&可选优化 #

• ignore_index=True：合并后重置整个数据集的行索引，避免原训练集、验证集的索引重复导致后续数据处理报错，是同结构数据集合并的常用参数。
• 如果你需要保留每行数据的原始拆分归属，可添加keys参数标记来源：

  # 带来源标记的合并方案，生成多级索引，第一级为原始数据集归属
  MY_DATA = pd.concat([data_train, data_test], keys=['train', 'eval'])
  

合并验证 #

你可以执行以下代码校验合并结果是否正确：

print(f"训练集样本量：{len(data_train)}，验证集样本量：{len(data_test)}，合并后总样本量：{len(MY_DATA)}")

正常输出为：训练集样本量：627，验证集样本量：264，合并后总样本量：891，和泰坦尼克号公开数据集的总样本量一致，说明合并无误。

内容的提问来源于stack exchange，提问作者GEBRU