python 划分数据集为训练集和测试集

sklearn的cross_validation包中含有将数据集按照一定的比例，随机划分为训练集和测试集的函数train_test_split

from sklearn.cross_validation import train_test_split#x为数据集的feature熟悉，y为label.x_train, x_test, y_train, y_test = train_test_split(x, y, test_size = 0.3)

得到的x_train,y_train（x_test,y_test）的index对应的是x,y中被抽取到的序号。

自己写了一个函数：

#X:含label的数据集：分割成训练集和测试集#test_size:测试集占整个数据集的比例def trainTestSplit(X,test_size=0.3):    X_num=X.shape[0]    train_index=range(X_num)    test_index=[]    test_num=int(X_num*test_size)    for i in range(test_num):        randomIndex=int(np.random.uniform(0,len(train_index)))        test_index.append(train_index[randomIndex])        del train_index[randomIndex]    #train,test的index是抽取的数据集X的序号    train=X.ix[train_index]     test=X.ix[test_index]    return train,test