拆分训练和测试集 df 包含多个用户的位置点答案

【问题标题】：Split train and test set df contains location points of multiple users拆分训练和测试集 df 包含多个用户的位置点
【发布时间】：2019-08-29 07:15:32
【问题描述】：

df == 多用户数据的位置点

    tslot             user location point
0   2015-12-04 13:00:00 0   4356
1   2015-12-04 13:15:00 0   4356
2   2015-12-04 13:30:00 0   4356
3   2015-12-04 13:45:00 0   4356
4   2015-12-04 14:00:00 0   4356
5   2015-12-04 14:15:00 0   4356
6   2015-12-04 14:30:00 0   4356
7   2015-12-04 14:45:00 0   4356
8   2015-12-04 15:00:00 0   7645
... ... ... ...
616688  2015-12-10 18:30:00 38204   820
616689  2015-12-10 18:45:00 38204   1081
616690  2015-12-10 19:00:00 38204   672
616691  2015-12-10 19:15:00 38204   694
616692  2015-12-10 19:30:00 38204   46
616693  2015-12-10 19:45:00 38204   360
616694  2015-12-10 20:00:00 38204   1380
616695  2015-12-10 20:15:00 38204   1380
616696  2015-12-10 20:30:00 38204   1380
616697  2015-12-10 20:45:00 38204   1381
616698  2015-12-10 21:00:00 38204   1380

使用以下代码分隔每个用户数据：

users = ["0", "6356"]
df_ = {}
for i in users:
    df_[i] = newdataframe[newdataframe.user== int(i)]

我尝试使用

拆分训练和测试数据集

def split(dataframe, border, col):
    return dataframe.loc[:border,col], dataframe.loc[border:,col]

df_new = {}
for i in users:
    df_new[i] = {}
    df_new[i]["Train"], df_new[i]["Test"] = split(df_[i], "500", "location point")

我的要求是获得 500 行大小的训练集，其余用于测试数据集。如何为每个用户拆分训练值和测试值。

【问题讨论】：

标签： python split neural-network training-data

【解决方案1】：

我很确定您的代码按预期工作

import pandas as pd

df_rawdata = pd.DataFrame({'user':[1,2,1,2,1],'location point':[4,11,10,9,7]})

users = ["1", "2"]
df_ = {}
for i in users:
    df_[i] = df_rawdata[df_rawdata.user== int(i)]

def split(dataframe, border, col):
    return dataframe.loc[:border,col], dataframe.loc[border:,col]

df_new = {}
for i in users:
    df_new[i] = {}
    df_new[i]["Train"], df_new[i]["Test"] = split(df_[i], "2", "location point")

然后

print(df_new["1"]['Train'])

给予

0     4
2    10
Name: location point, dtype: int64

即用户 1 的前 2 个数据点的索引和位置点

和

print(df_new["1"]['Test'])

给出最后一个

【讨论】：