列车\u测试\u拆分而不是拆分数据

Question

有一个数据帧，它总共由14列组成，最后一列是整数值为0或1的目标标签。

我已经定义了-

1. X=df。iloc[：，1:13]——由特征值组成

两者的长度相同，X是由13列组成的数据帧，shape（159880，13），y是具有shape（159880，）的数组类型

但是，当我在X，y上执行列车测试分割时，该功能无法正常工作。

下面是简单的代码-

X_序列，y_序列，X_测试，y_测试=序列测试分割（X，y，随机状态=0）

分裂后，X_train和X_test都有形状（119910,13）。y_train有形状（39970,13），y_test有形状（39970，）

这很奇怪，即使定义了test_size参数，结果仍然是一样的。

请告知，可能出了什么问题。

import pandas as pd

将numpy作为np从sklearn导入。从adspy导入决策树分类工具\u共享工具\u从sklearn导入绘图\u功能\u重要性。型号选择从sklearn导入列车测试。线性回归模型

def模型（）：

df = pd.read_csv('train.csv', encoding = 'ISO-8859-1')
df = df[np.isfinite(df['compliance'])]
df = df.fillna(0)
df['compliance'] = df['compliance'].astype('int')
df = df.drop(['grafitti_status', 'violation_street_number','violation_street_name','violator_name',
              'inspector_name','mailing_address_str_name','mailing_address_str_number','payment_status',
              'compliance_detail', 'collection_status','payment_date','disposition','violation_description',
              'hearing_date','ticket_issued_date','mailing_address_str_name','city','state','country',
              'violation_street_name','agency_name','violation_code'], axis=1)
df['violation_zip_code'] = df['violation_zip_code'].replace(['ONTARIO, Canada',', Australia','M3C1L-7000'], 0)
df['zip_code'] = df['zip_code'].replace(['ONTARIO, Canada',', Australia','M3C1L-7000'], 0)
df['non_us_str_code'] = df['non_us_str_code'].replace(['ONTARIO, Canada',', Australia','M3C1L-7000'], 0)
df['violation_zip_code'] = pd.to_numeric(df['violation_zip_code'], errors='coerce')
df['zip_code'] = pd.to_numeric(df['zip_code'], errors='coerce')
df['non_us_str_code'] = pd.to_numeric(df['non_us_str_code'], errors='coerce')
#df.violation_zip_code = df.violation_zip_code.replace('-','', inplace=True)
df['violation_zip_code'] = np.nan_to_num(df['violation_zip_code'])
df['zip_code'] = np.nan_to_num(df['zip_code'])
df['non_us_str_code'] = np.nan_to_num(df['non_us_str_code'])
X = df.iloc[:,0:13]
y = df.iloc[:,-1]
X_train, y_train, X_test, y_test = train_test_split(X, y, random_state = 0)    
print(y_train.shape)

Answer 1

if args.mode == "train":

    # Load Data
    data, labels = load_dataset('C:/Users/PC/Desktop/train/k')

    # Train ML models
    knn(data, labels,'C:/Users/PC/Desktop/train/knn.pkl' )

Answer 2

你把train_test_split结果搞混了，应该是

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2,random_state=0)