我有两个数据集，分别是测试和训练。我将它们收集在一个 csv 中。我想拆分我的数据以进行训练和测试。但它不应该是随机的。我需要拆分火车的前 808699 行，其余的行作为测试？
我试图阅读两个不同的 csv 但我不能。
from sklearn.model_selection import train_test_split
x_train,x_test,y_train,y_test=train_test_split(x,y,train_size=808698,test_size=121918,random_state=1)
ValueError: train_size=808698 should be either positive and smaller than the number of samples 121921 or a float in the (0, 1) range
最简单的方法是使用 train_test_split（sklearn 模块）将 shuffle 设置为 False。Shuffle 优先于 random_state 参数。因此，如果将 shuffle 设置为 FALSE，则数据集中的前 n 个观察值（即 90 行）将进入训练数据集，最后 10 行将进入测试数据集。您的代码将是：
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=121918/930616, shuffle=False)
如果您有一个 df，请使用iloc根据您的需要拆分它们：
df = pd.read_csv('...')
train = df.iloc[:808699]
test = df.iloc[808699:]
首先，当您阅读训练和测试文件时，请分别检查它们的形状。
train/test.shape 应该以这种格式为您提供输出：（数据点总数，特征总数）
火车的形状应该是 (x,y)
测试的形状应该是 (x1,y)
组合数据集的最终形状应该是 ((x+x1),y)
这样做是为了组合它们：train.append(test)
最后，您可以根据组合数据帧的大小将它们拆分为 X_train、X_test、y_train、y_test。