Python 基于索引的列车测试分割数据帧分割

我正在尝试使用train_test_split将我的train数据作为索引31和39之间的数据帧。 我想写一些东西，比如

X\u-train，X\u-test，y\u-train，y\u-test=train\u-test\u-split（faces.data，faces.target，test\u-size=0.3）

其中

faces

是

faces=sk.dataset.fetch\u-olivetti\u-faces（）

---

我如何选择要进入列车数据的索引？

您可以轻松地使用fancy index给出：

X_train=faces.data[:number what you want]
 
X_test=faces.target[:number what you want]

y_train=aces.data[number what you want]

y_test= faces.target[number what you want:]

---

您可以轻松地使用花式索引：

X_train=faces.data[:number what you want]
 
X_test=faces.target[:number what you want]

y_train=aces.data[number what you want]

y_test= faces.target[number what you want:]

---

正如@berkayln所建议的，我不确定您的列车测试拆分策略是否可取，但要按照您的建议拆分数据，我相信您可以使用：

from sklearn import datasets

faces = datasets.fetch_olivetti_faces()

X_train = faces.data[31:40]
X_test = faces.data[np.r_[0:31, 40:400]]

y_train = faces.target[31:40]
y_test = faces.target[np.r_[0:31, 40:400]]

---

正如@berkayln所建议的，我不确定您的列车测试拆分策略是否可取，但要按照您的建议拆分数据，我相信您可以使用：

from sklearn import datasets

faces = datasets.fetch_olivetti_faces()

X_train = faces.data[31:40]
X_test = faces.data[np.r_[0:31, 40:400]]

y_train = faces.target[31:40]
y_test = faces.target[np.r_[0:31, 40:400]]

---

```X_-train=faces.data[30:39]X_-test=faces.target[0:30]y_-train=faces.data[30:39]y_-test=faces.target[0:30]clf=SVC（kernel='linear'）clf.fit（X_-train，y_-train）y_-pred=clf.predict（X_-test）print（准确度分数：{.2f}.format（度量.准确度分数（y_-test，y_-pred））`````这样尝试过，但不起作用，您确定不需要为测试/列车设置额外的数据吗？为什么要使测试数据小于列车数据？这不合逻辑@因为那部分数据有我想训练的东西。顺便说一句，我得到的错误是y应该是一个一维数组，取而代之的是一个形状数组（94096）。``X_train=faces.data[30:39]X_test=faces.target[30:30]y_train=faces.data[30:39]y_test=faces.target[0:30]clf=SVC（kernel='linear'）'）clf.fit（X_train，y_train）y_pred=clf.predict（X_test）print）print（X_test）print）（精度分数：{.2f}（y_test，y_pred））“`像那样尝试了一下，但它不起作用，你确定不需要为测试/训练设置额外的内容吗？为什么你要使测试数据比训练数据小？这是不符合逻辑的。@karinakbe因为这部分数据有我想要训练的东西。顺便说一句，我得到的错误是y应该是一个1d数组，有一个形状的数组（94096）相反