MATLAB：使用for循环将分组向量中的患者划分为训练集与测试集

Got it, let's walk through how to split your Icross vector into Itest and Itrain using a for loop, just like you need.

首先明确你的数据结构：250个患者平均分成10组，每组25人。组1-5对应前125个样本，组6-10对应后125个样本。虽然直接索引切片会更简洁，但既然要求用for循环，我们可以按组遍历的方式来实现：

代码示例（以Python为例） #

import numpy as np

# 假设Icross是一个250×1的numpy向量（如果是列表，调整索引逻辑即可）
Icross = np.random.rand(250, 1)  # 用随机数模拟你的真实数据

# 初始化测试集和训练集容器
Itest = np.empty((0, 1))
Itrain = np.empty((0, 1))

group_size = 25  # 每组固定25人

# 遍历组1-5（索引0到4，对应第1至第5组），填充测试集
for group_idx in range(5):
    start_idx = group_idx * group_size
    end_idx = start_idx + group_size
    Itest = np.vstack((Itest, Icross[start_idx:end_idx, :]))

# 遍历组6-10（索引5到9，对应第6至第10组），填充训练集
for group_idx in range(5, 10):
    start_idx = group_idx * group_size
    end_idx = start_idx + group_size
    Itrain = np.vstack((Itrain, Icross[start_idx:end_idx, :]))

# 验证结果规模（应该都是125×1）
print(f"测试集形状: {Itest.shape}")
print(f"训练集形状: {Itrain.shape}")

代码逻辑解释 #

• 先定义每组人数group_size=25，这样后续如果组数或每组人数调整，代码只需要改这一个参数。
• 第一个for循环处理前5组：通过组索引计算每组的起始/结束位置，把Icross中对应片段拼接到Itest中。
• 第二个for循环处理后5组，逻辑和测试集完全一致，最终得到训练集Itrain。

额外小提示 #

如果不需要严格用for循环（比如后续没有额外的组内处理逻辑），直接用切片会更高效简洁：

Itest = Icross[:125, :]  # 直接取前125个样本（组1-5）
Itrain = Icross[125:, :] # 直接取后125个样本（组6-10）

这种写法更适合常规的数据集划分场景，但如果你的需求必须依赖for循环（比如要在循环中加入组内数据预处理），前面的循环写法就完全符合要求啦。

内容的提问来源于stack exchange，提问作者florence-y