有没有办法根据另一列中的值删除训练集中的某些行

Question

我有一个数据框，我将其分为训练和测试 (80:20)。它看起来像这样：

V1  V2  V3  V4  V5 Target
5   2   34  12  9   1
1   8   24  14  12  0
12  27  4   12  9   0

然后我建立了一个简单的回归模型并做出了预测。

代码对我有用，但我的问题是，在我将数据拆分为训练和测试之后。我需要根据某些条件或根据另一列中的值删除（或排除）训练集中的某些数据点或某些行（删除 X_train 中的特定行及其对应的 y_train）。

例如，如果 V1 > 10，我需要删除训练集中的任何行。

结果 X_train 中的这一行及其 y_train 应删除：

V1  V2  V3  V4  V5 Target
12  27  4   12  9   0

# Split the data
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)
print("X_train:", X_train.shape)
print("X_test:", X_test.shape)
print("y_train:", y_train.shape)
print("y_test:", y_test.shape)

# Train and fit the model
regressor = LinearRegression()
regressor.fit(X_train, y_train)

# Make prediction
y_pred = regressor.predict(X_test)

我认为这样做的方法是使用所需条件提取我们需要删除的行的索引，然后从 x_train 和 y_train

中删除它们

建议的问题没有回答我的问题，因为这是不同的情况。它没有考虑训练和测试集。我需要删除 X_train 中的一些值行及其对应的 y_train.

Answer 1

如果 X_train 和 y_train 是 numpy 数组，我怎么想，你可以简单地做：

y_train = y_train[X_train[:,0]<=10]
X_train = X_train[X_train[:,0]<=10]

编辑

if if X_train 是一个 pandas DataFrame 并且 y_train 是一个 pandas 系列：

y_train = y_train[X_train["V1"]<=10]
X_train = X_train.loc[X_train["V1"]<=10]

有没有办法根据另一列中的值删除训练集中的某些行

Is there a way to remove some rows in the training set based on values in another column

python

machine-learning

pandas

scikit-learn

train-test-split