如何仅使用 numpy 而非 pandas 将数据拆分为训练集和测试集

How to split data into training and testing set only using numpy not pandas

我正在做 CNN 并尝试将我的数据拆分为训练和测试数据集。拆分后，我想使用 sklearn.preprocessing.StandardScaler 将我的测试数据与训练数据 的参数 缩放。

所以在缩放之前，我需要拆分数据。我将使用 sklearn.model_selection.train_test_split，但要使用该方法，我必须将我的数据转换为 pandas.DataFrame。由于我的数据是CNN的，所以它们的长度不符合DataFrame

的要求 
print(x.shape, delta.shape, z.shape, y.shape, non_spatial_data.shape, p.shape, g.shape)
# (15000, 175) (15000, 175) (15000, 175) (15000, 1225) (15000, 264) (15000, 175) (15000, 175)

以上是我的数据扁平化后的大小。 15000 是样本大小。 你可以看到不同数据的长度是不同的，这让我无法将它们转换成DataFrame。那么我怎样才能只使用 numpy 进行拆分呢？或者是否有任何其他方法来完成整个 拆分和缩放 过程？

PS：我为 CNN 使用的数据并不是真正的图像。它们是一些具有空间属性的数据。

这是工作示例：

import pandas as pd
import numpy as np

a = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
b = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
c = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])

n = 0.2

spl = None
for arr in [a, b, c]:
    if spl is None:
        rand_ind = np.random.choice(range(len(arr)), len(arr))
        spl, remaining = np.split(rand_ind, [int(n * len(rand_ind))])
    print([arr[i] for i in spl])

从开始，我发现自己多虑了。我的问题也让 svfat 先生想得太多了。综上所述，为了分割数据，我们只需要随机选择一个固定比例的索引，并将它们应用于每个数据的切片。