如何从 .csv 文件中拆分数据集以进行训练和测试？

Question

我正在使用 Python，我需要将我的 .csv 导入数据分成两部分，训练集和测试集，例如 70% 的训练和 30% 的测试。

我不断收到各种错误，例如 'list' object is not callable 等等。

有什么简单的方法可以做到这一点吗？

谢谢

编辑：

代码很基础，我只是想拆分数据集。

from csv import reader
with open('C:/Dataset.csv', 'r') as f:
    data = list(reader(f)) #Imports the CSV
    data[0:1] ( data )

TypeError: 'list' object is not callable

Answer 1

您应该使用 pandas 模块中的 read_csv () 函数。它将您的所有数据直接读入数据框，您可以进一步使用它来将数据分解为训练和测试。同样，您可以使用 scikit-learn 模块中的 train_test_split() 函数。

Answer 2

您可以使用 pandas:

import pandas as pd
import numpy as np

df = pd.read_csv('C:/Dataset.csv')
df['split'] = np.random.randn(df.shape[0], 1)

msk = np.random.rand(len(df)) <= 0.7

train = df[msk]
test = df[~msk]

Answer 3

更好的做法，也许更随机的是使用 df.sample:

from numpy.random import RandomState
import pandas as pd

df = pd.read_csv('C:/Dataset.csv')
rng = RandomState()

train = df.sample(frac=0.7, random_state=rng)
test = df.loc[~df.index.isin(train.index)]

如何从 .csv 文件中拆分数据集以进行训练和测试？

How can I split a Dataset from a .csv file for Training and Testing?

python

csv

split

data-science