我在使用sklearn中的train_test_split()时感到困惑。以下是我尝试过的一个代码片段：

X = example_df.drop('features', axis=1)y = example_df['price']y_test, X_train, X_test, y_train= train_test_split(X, y, test_size=0.2)

train_test_split()是如何分割example_df的行的？example_df有100行，所以我期望数据集的分割大小如下：

1. y_test应该有80行

2. X_train应该有20行

3. X_test应该有80行

4. y_train应该有20行

但是我的数据集的实际大小分别是：20, 20, 80, 20。

这是为什么呢？

回答：

在这种情况下，你应该使用的正确变量赋值顺序是X_train, X_test, y_train, y_test。也就是说，你需要重写你的代码为

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

多重赋值解包

此外，我怀疑你的困惑还可能来自于对python中多重赋值解包工作原理的误解，以及train_test_split(...)的返回值。

让我们考虑给train_test_split(...)传递一个数组进行分割，例如y = [0, 1, 2, 3, 4]。train_test_split(y)的输出会类似于[[0, 1, 2], [3, 4]]（加上或减去一些随机排序）。我们看到它接收我们的原始列表并返回一个包含2个列表的列表。

我们可以向train_test_split(...)传递任意数量的列表进行分割。所以让我们看看如果我们给train_test_split(...)传递2个列表（list_1, list_2）作为输入会发生什么。它将返回一个包含4个列表的列表。前两个内部列表将是list_1的训练集，然后是list_1的测试集，最后两个内部列表将是list_2的训练集，然后是list_2的测试集。然而，返回的列表并不对应于任何关键字如”X_train”或”x_test”，它们只是普通的列表。

处理输出的一种方法如下：

datasets = train_test_split(list_1, list_2)list_1_train = datasets[0]list_1_test = datasets[1]list_2_train = datasets[2]list_2_test = datasets[3]

但是这种方法冗长、重复且容易出错。幸运的是，python提供了语法让我们可以在一行中解包多个变量并进行赋值。以上述代码片段中赋值四个列表的等价方式是这样的：

[list_1_train, list_1_test, list_2_train, list_2_test] = train_test_split(list_1, list_2)

或者使用更多的语法糖：

list_1_train, list_1_test, list_2_train, list_2_test = train_test_split(list_1, list_2)