从列表移除部分元素失败：case_ids返回空列表的原因及优化方案

你遇到这个问题的核心在于**case_ids的元素只有0和1两种值**，而你用了集合（set）来做差集操作：

• 当你取case_ids[0:int(len(case_ids)*0.3)]时，这部分子列表里大概率已经包含了0和1（毕竟整个列表只有这两个值），所以set(case_ids)和set(case_ids[0:int(len(case_ids)*0.3)])其实是同一个集合{0,1}。
• 用一个集合减去它自己，结果自然是空集合，转成列表就是空的[]。

而ids列表里的元素是1、2、3、5、6、8这类不重复的数字，前30%的元素只是其中一部分，所以set(ids) - set(前30%元素)还能剩下不少元素，看起来“正常”——但其实这个方法本身就有问题：用集合会打乱元素的顺序，还会自动去重，如果ids里有重复值的话，也会丢失信息，更关键的是你没有保持ids和case_ids的对应关系（比如某个id对应的case_id应该一起进入训练集或测试集）。

你的真实需求应该是把成对的ids和case_ids按相同的样本拆分，分成训练集和测试集，同时保持两者的对应关系。这里推荐两种靠谱的方法：

方法1：用随机索引拆分（基础版） #

利用random模块生成随机的索引，确保两个列表按相同的索引拆分：

import random

# 先获取所有样本的索引
indices = list(range(len(ids)))
# 随机打乱索引顺序
random.shuffle(indices)
# 计算训练集和测试集的拆分点（70%训练，30%测试）
split_point = int(len(indices) * 0.7)

# 根据打乱后的索引拆分两个列表
training_indices = indices[:split_point]
testing_indices = indices[split_point:]

trainingids = [ids[i] for i in training_indices]
trainingcase_ids = [case_ids[i] for i in training_indices]

testingids = [ids[i] for i in testing_indices]
testingcase_ids = [case_ids[i] for i in testing_indices]

这个方法的优势：

• 完全保留ids和case_ids的一一对应关系
• 随机拆分避免了原列表顺序带来的偏差，更符合训练集/测试集的拆分逻辑
• 不会丢失原列表的重复元素或打乱元素本身

方法2：用sklearn工具拆分（专业版，适合机器学习场景） #

如果是机器学习项目，直接用sklearn的train_test_split工具，一步到位：

from sklearn.model_selection import train_test_split

# 按30%的比例拆分测试集，random_state固定随机种子保证结果可复现
trainingids, testingids, trainingcase_ids, testingcase_ids = train_test_split(
    ids, case_ids, test_size=0.3, random_state=42
)

这个方法更简洁，还支持设置随机种子（random_state），方便你复现实验结果，适合需要严谨验证的场景。

• 绝对不要用集合处理这类需要保持对应关系的列表拆分：集合会丢失元素顺序、自动去重，直接破坏样本的配对关系
• 如果ids是样本的唯一标识，拆分时必须保证每个id对应的case_id同步进入训练集或测试集，否则会导致样本数据不匹配

内容的提问来源于stack exchange，提问作者newtothis