如何在无独立目标值数据框时实现75%占比的随机训练测试集划分
完整含目标列数据框的随机拆分实现
不需要预先把特征、目标值拆成两个独立数据框再调用train_test_split,直接传入完整数据框即可实现和原函数逻辑完全一致的随机拆分,不存在顺序取前N行的问题,也不会出现训练、测试集样本重叠。
核心实现规则
- 直接将包含所有特征列、目标值列的完整数据框作为第一个位置参数传入
sklearn.model_selection.train_test_split,设置test_size=0.25即可对应训练集占总样本0.75的拆分比例,函数会直接返回拆分后的训练数据框、测试数据框两个对象。 - 拆分逻辑和之前拆分独立特征、目标数据框的效果完全一致:
train_test_split内部是先生成全局统一的无放回随机索引,再按索引切分所有传入的同长度数据对象,无论传入的是拆分后的X、y,还是拼合后的完整df,只要固定相同的随机种子、相同的拆分比例,抽样选出来的样本集合完全相同。
代码示例
import pandas as pd from sklearn.model_selection import train_test_split # 构造包含特征列、目标值列的完整数据框示例 full_df = pd.DataFrame({ "feature_1": [i for i in range(100)], "feature_2": [i*2 for i in range(100)], "target": [i%2 for i in range(100)] }) # 按0.75训练占比随机拆分 train_df, test_df = train_test_split( full_df, test_size=0.25, random_state=42 # 固定随机种子可复现拆分结果 )
结果校验方法
- 样本重叠校验:运行
set(train_df.index).intersection(set(test_df.index)),返回结果为空集合,即可确认两个数据集没有重复交叉的样本。 - 拆分比例校验:运行
len(train_df) / len(full_df),返回值会稳定在0.75左右(匹配总样本量对应的整数拆分比例)。
内容的提问来源于stack exchange,提问作者french_fries
相关产品推荐
相关产品推荐

