train_test_split 索引切片后不删除 y 训练和测试变量

Question

我已经 train_test_split() 多次使用索引切片，但出于某种原因，它保留了 y 训练集和测试集的预测变量值。下面是示例数据，以及 train/test 切片和形状。

原始数据示例：

nypd_dummy.head(3

      borough   status
start 
2016  BRONX     ATTEMPTED
2017  BROOKLYN  ATTEMPTED
2018  BRONX     COMPLETED

示例数据：

    nypd_dummies = pd.get_dummies(nypd_dummy)
    nypd_dummies.head(3)

          borough_BRONX borough_BROOKLYN status_ATTEMPTED status_COMPLETED
start     
2016      1             0                1                0
2017      0             1                1                0                
2018      1             0                0                1

X_dummies = nypd_dummies.iloc[:, 2:]
y_dummies = nypd_dummies.iloc[:, :2]
xtrain_dummy, xtest_dummy, ytrain_dummy, ytest_dummy = train_test_split(X_dummies, y_dummies, test_size=0.3)

print 'x train:', xtrain_dummy.shape, 'x test:', xtest_dummy.shape
print 'y train:', ytrain_dummy.shape, 'y test:', ytest_dummy.shape

x train: (3, 2) x test: (1, 2)
y train: (3, 2) y test: (1, 2)

终极我的目标是创建一个预测自治市镇的模型 - 它是否没有正确切片，因为我从多个列而不是一个输出中提取预测变量值？

Answer 1

您的代码将生成具有以下结构的 Ys 数据帧（用于训练和测试）：

       borough_BRONX  borough_BROOKLYN
start                                 
2018               1                 0

由于您希望进行单一估计（预测 'borough' class），您可能希望有一个标签列。 Here 是关于在 pandas 中处理分类数据的教程。