数据集划分

1.使用sklearn.model_selection.train_test_split(*arrays, **options)

1. *arrays指定需划分数据集
2. random_state指定随机种子
3. test_size指定测试集大小

train_data,test_data = train_test_split(processed_data,random_state=1,test_size = 0.1)

sklearn文档
2.使用Numpy.random.choice(a, size=None, replace=True, p=None)

1. a为可采样的样本
2. size为输出数据格式
3. replace为True，则可以出现重复采样点；False，则不可以出现重复采样点
4. P为采样概率分布，默认为均匀分布

sample = np.random.choice(processed_data.index,size = int(len(processed_data)*0.9),replace = False)
train_data,test_data = processed_data.iloc[sample],processed_data.drop(sample)

Numpy文档