如何从csv文件中抽取随机样本

Question

我有一个10行的csv文件：

Text,Class
text0,class0
text1,class1
...
text9,class9

我正在对文本进行分类，然后将其与csv文件中标记的正确类进行比较。 我想从中随机抽取4个文本及其类的样本。 我有：

import random
textt=data['Text']
class_one=data['Class']
c=textt[0:]
random_sample=random.sample(c,4)

然后，我的分类开始于：

for i in random_sample:

但是当我计算分类的准确性时，它将为整个数据集进行计算。 我怎样才能仅计算4个数据样本的准确性？

编辑：对于分类，我要做：对于文本文本中的我：#classify文本结果将如下所示：

choice 1
choice 2
choice 1
...

并将其与csv文件中的正确类进行比较：

choice 1
choice 2
choice 2
...

在以下情况下，准确性将计算为66.6％：

for i in class_one:
    #if predicted_class= correct_class: 
    #accuracy=number_correct/total_number

我只想对随机样本进行分类，因此与其对所有10个示例进行分类，不如对4个示例进行分类

Answer 1

最好的方法是使用pandas.DataFrame.sample ：

import pandas as pd
df=pd.read_csv("filename.csv")
print(df.sample(4)) #Number of items from axis to return. Cannot be used with frac. Default = 1 if frac = None.

Answer 2

pandas解决方案很可能是您的正确选择。 如果您想将python中的任何CSV文件通常拆分为随机洗牌的20％：80％训练和测试拆分，则可以使用核心python：

import random
x     = open("dataset.csv").readlines()
random.shuffle(x)
train = x[:int(total*0.8)]
test  = x[int(total*0.8):]

似乎您正在尝试评估某种分类（机器学习？）任务，我强烈建议您查找scikit-learn的train_test_split() ，因为它可以分层其他变量，并且还可以与pandas DataFrames一起使用。