用于 Train_Test_Split 的 Pandas 数据框

Question

我有以下数据集，我想使用 Pandas 和 sklearn 使用 K-Nearest-Neighbor 进行分析：

https://archive.ics.uci.edu/ml/datasets/Credit+Approval

首先，我将数据集加载到数据框中，每列都有标题（A1 到 A16）：

df =  pd.read_csv('crx.csv').dropna().reset_index(drop = True)

我的问题是，如何使用train_test_split 函数来：

a) 拆分测试中的数据并训练和

b) 还将列 A1 到 A15 标记为特征，将 A16 标记为标签？

我想要类似下面的代码，这当然不能像我想要的那样工作：

X_train, X_test, y_train, y_test = train_test_split(df[0:16], df['A16'], random_state=0)

X_train 将有 75% 的数据从列 A1 到 A15，X_test 其余 25%，y_train 相同的 75% 的数据，但只有列 A16（目标）和y_test 剩下的 25%。

我打算稍后将KNeighborsClassifier.fit 与训练数据一起使用。

Answer 1

改用df.iloc[:,0:16]（或df[['A1', 'A2', 'A3', ...]]，但在你的情况下更麻烦）：

train_test_tuple = train_test_split(df.iloc[:,0:16], df['A16'], random_state=0)

请参阅documentation for iloc。