パンダのデータを分割する

Question

これは本当に簡単な質問ですが、私は混乱してしばらくの間立ちましたので、私はいくつかの助けを得ることを望んでいます。

私はデータ検証にクロスバリデーションを使用していますが、私が期待しているようにパンダのインデックス作成が機能していないことがわかりました。具体的には、x_testを出力すると、x_testのデータポイントがないことがわかります。実際、インデックスはありますが列はありません。

k = 10 
N = len(df) 
n = N/k + 1 
for i in range(k): 
    print i*n, i*n+n 
    x_train = df.iloc[i*n: i*n+n] 
    y_train = df.iloc[i*n: i*n+n] 
    x_test = df.iloc[0:i*n, i*n+n:-1] 
    print x_test 

典型的な出力：

0 751 
Empty DataFrame 
Columns: [] 
Index: [] 
751 1502 
Empty DataFrame 
Columns: [] 
Index: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91, 92, 93, 94, 95, 96, 97, 98, 99, ...] 

私は、データが表示されるまでに取得する方法をうまくしようとしています。何かご意見は？

Answer 1

なぜsklearn.cross_validation.KFoldを使用しませんか？あなたにも列を指定する必要があり、すべてのサブセットで

：あなたがターゲット列を除外しなければならないx_testx_trainでとy_trainで、このサイト上の明確な例...

---

UPDATEがありますターゲット列のみが存在する必要があります。詳細は、slicing and indexingを参照してください。

target = 'target' # name of target column 
list_features = df.columns.tolist() # use all columns at model training 
list_features.remove(target) # excluding "target" column 
k = 10 
N = len(df) 
n = int(N/k) + 1 # 'int()' is necessary at Python 3 
for i in range(k): 
    print i*n, i*n+n 
    x_train = df.loc[i*n: i*n+n-1, list_features] # '.loc[]' is inclusive, that's why "-1" is present 
    y_train = df.loc[i*n: i*n+n-1, target] # specify columns after "," 
    x_test = df.loc[~df.index.isin(range(int(i*n), int(i*n+n))), list_features] 
    print x_test