我正在对 pandas 数据框中包含的数据使用回归树分析。为了执行 V 折交叉验证,我需要将我的数据分成 V 个随机的、互斥的子集
这是我到目前为止所做的工作,我在数据框中添加了一个新列 V = 10 以表示每个样本属于哪个子集:
def Vfold_Subsets(Data,V):
subs = Data
Data['V'] = V
N = Data.shape[0]
n = N//V
for v in range(1,V):
sample = subs.sample(n = n)
Data['V'][Data.index.isin(sample.index)] = v
subs.drop(sample.index)
return Data
此方法有效,但我感觉还有更好的方法吗?这种方法的缺点是如果 N = 108,则
for v in range(1,V+1):
print (v,': ',Data['V'][Data['V']==v].count())
返回:
1 : 10
2 : 10
3 : 10
4 : 10
5 : 10
6 : 10
7 : 10
8 : 10
9 : 10
10 : 18
我觉得如果我能做到这样就更好了
1 : 10
2 : 11
3 : 11
4 : 11
5 : 11
6 : 11
7 : 11
8 : 11
9 : 10
10 : 10
这样我就不会将所有剩余样本都放入最后一个容器中。
最佳答案
定义你的函数
def Vfold_Subsets(Data, V):
return Data.assign(
V=np.random.permutation(np.arange(len(Data))) % V)
关于python - 将 Pandas 数据框拆分为互斥的子集,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/42867080/