Pandas: 在不使用循环的情况下获取数据子集

我想根据customer_id(数据框中的多行可能有相同的customer_id)将训练数据拆分为训练/测试集,我在想是否有更符合Pandas原生方式的方法来完成build df_testdrop from df_train部分,而不使用循环?

# 将数据拆分为训练/测试集
df_train = pd.read_csv('data/train.csv')
print('df_train.shape', df_train.shape)
df_train = df_train.replace(np.nan, 'nan', regex=True)
train_customer_id_set = df_train.customer_id.unique()
print('len(train_customer_id_set)', len(train_customer_id_set))

# 按customer_id将训练数据拆分为训练/测试
n = 1000
test_customer_id_set = list(train_customer_id_set)
random.shuffle(test_customer_id_set)
test_customer_id_set = test_customer_id_set[:n]

# 问题:如何在不使用循环的情况下完成?
# 构建df_test
df_list = []
for customer_id in test_customer_id_set:
    df = df_train[df_train['customer_id']==customer_id]
    df_list.append(df)
df_test = pd.concat(df_list)

# 从df_train中删除
for customer_id in test_customer_id_set:
    df_train = df_train.drop(df_train[df_train.customer_id==customer_id].index)

train_customer_id_set = df_train.customer_id.unique()
print('df_train.shape', df_train.shape)
print('df_test.shape', df_test.shape)

回答:

在计算test_customer_id_set之后,你所做的事情似乎等同于:

df_test = df_train[df_train.customer_id.isin(test_customer_id_set)]
df_train = df_train[~df_train.customer_id.isin(test_customer_id_set)]

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注