如何拆分時間數據（格式為yyyy-mm-dd hh：mm：ss）以測試和訓練集合？

Question

我有一個時間序列數據，其時間格式為“ yyyy-mm-dd hh:mm:ss ”。 我想將行分為訓練和測試集。 但是我嘗試執行此操作的所有方法都失敗了。

如何將以下數據拆分為測試集和訓練集：

DATE-TIME          TEMP     PRE
2018-08-4 15:18:49 209.3851 4045.4414
2018-08-4 15:18:50 209.3851 4045.4314
2018-08-4 15:18:51 209.3581 4045.4268
2018-08-4 15:18:52 209.3553 4045.4343
2018-08-4 15:18:53 209.3553 4045.4307
...

下面的代碼不起作用：

...
split_date = pd.Timestamp('2018-08-4 15:18:52')

train = data.loc[:split_date]
test = data.loc[split_date:]
...

Answer 1

我認為您的時間戳是經過排序的，因此您可以使用

split_date = pd.Timestamp('2018-08-4 15:18:52')

train = df[df['DATE-TIME'] < split_date]
test = df[df['DATE-TIME'] > split_date]

結果：

培養：

DATE-TIME   TEMP    PRE
0   2018-08-04 15:18:49 209.3851    4045.4414
1   2018-08-04 15:18:50 209.3851    4045.4314
2   2018-08-04 15:18:51 209.3581    4045.4268

測試：

DATE-TIME   TEMP    PRE
4   2018-08-04 15:18:53 209.3553    4045.4307

也許您必須先將columntype轉換為datetime格式：

df['DATE-TIME'] = pd.to_datetime(df['DATE-TIME'])

如果您的時間戳記是索引而不是數據幀的列，只需將df['DATE-TIME']替換為df.index

df.index = pd.to_datetime(df.index)

split_date = pd.Timestamp('2018-08-4 15:18:52')

train = df[df.index < split_date]
test = df[df.index > split_date]

或者，您可以查看sklearn TimeSeriesSplit 。