我想在 Pandas 資料幀上進行測驗、訓練、驗證，但我不想生成新的資料幀。相反，我想添加一個名為“Split”的新列 where Split = ['train','valid','test']。我想'train'，'valid'，'test'將分布在整個64%，16%以及20%該行的隨機，分別。
我知道 scikit learn 的 train_test_split，但同樣，我不想要新框架。所以我可以嘗試：
from sklearn.model_selection import train_test_split
train, test = train_test_split(df, test_size=0.2)
但我只想要一列“拆分”，其中包含 train、valid 和 test 的值作為標簽。這是用于機器學習目的，所以我想確保拆分是完全隨機的。
有誰知道這怎么可能？
uj5u.com熱心網友回復：
這是使用建議的一種方法numpy.random.choice：
import pandas as pd
import numpy as np
# Set up a little example
data = np.ones(shape=(100, 3))
df = pd.DataFrame(data, columns=['x1', 'x2', 'y'])
df['split'] = pd.NA
# Split
split = ['train', 'valid', 'test']
df['split'] = df['split'].apply(lambda x: np.random.choice(split, p=[0.64, 0.16, 0.20]))
# Verify
df['split'].value_counts()
對于一次給定的運行，這產生了
train 64
valid 19
test 17
Name: split, dtype: int64
轉載請註明出處，本文鏈接：https://www.uj5u.com/shujuku/347334.html
上一篇：SQL 算術運算子和比較運算子