有條件地將數據拆分為訓練和測試（Pandas）

Question

我有一個使用 Python 執行預測任務的代碼。 任務是預測一家公司從 2015 年到 2019 年不同年份的銷售額。

我想將數據拆分為訓練集和測試集。

但問題是，我想用2015年到2018年的數據訓練模型，在2019年的數據上測試模型。

我怎樣才能使用 train_test_split、ShuffleSplit、有條件地拆分數據？

X_train = df.iloc[train_index]
X_test = df.iloc[test_index]
y_train = X_train.Sales
y_test = X_test.Sales

Answer 1

由於您在一開始就遇到了條件，因此您將失去使用機器學習預處理中使用的改組方法的好處。 因此，我建議不要在這種情況下執行訓練測試拆分（我假設結果有偏差）。 不過，如果您需要這樣做，請嘗試：

train = your_data[your_data['year_column'] < 2019]
test = your_data[your_data['year_column'] == 2019]

X_train = train.loc[:, train.columns != 'column_of_interest']
y_train = train['column_of_interest']
X_test = test.loc[:, test.columns != 'column_of_interest']
y_train = test['column_of_interest']