split如果后面全部是设置的分割符的话，会获取不到的

sklearn.model_selection.train_test_split随机划分训练集和测试集

官网文档：http://scikit-learn.org/stable/modules/generated/sklearn.model_selection.train_test_split.html#sklearn.model_selection.train_test_split

一般形式：
train_test_split是交叉验证中常用的函数，功能是从样本中随机的按比例选取train data和testdata，形式为：

X_train,X_test, y_train, y_test =

cross_validation.train_test_split(train_data,train_target,test_size=0.4, random_state=0)

参数解释：
train_data：所要划分的样本特征集

train_target：所要划分的样本结果

test_size：样本占比，如果是整数的话就是样本的数量

random_state：是随机数的种子。

随机数种子：其实就是该组随机数的编号，在需要重复试验的时候，保证得到一组一样的随机数。比如你每次都填1，其他参数一样的情况下你得到的随机数组是一样的。但填0或不填，每次都会不一样。

随机数的产生取决于种子，随机数和种子之间的关系遵从以下两个规则：

种子不同，产生不同的随机数；种子相同，即使实例不同也产生相同的随机数。

示例
 

fromsklearn.cross_validation import train_test_split
train= loan_data.iloc[0: 55596, :]
test= loan_data.iloc[55596:, :]
# 避免过拟合，采用交叉验证，验证集占训练集20%，固定随机种子（random_state)
train_X,test_X, train_y, test_y = train_test_split(train,
                                                   target,
                                                   test_size = 0.2,
                                                   random_state = 0)
train_y= train_y['label']
test_y= test_y['label']

 



公众号：剑指风险~持续关注风控技术与业务，不定期更新~

 

 

 

String类中split()方法的使用

      今天在在使用split方法时,发现split()方法很怪异的现象,查询了官方文档和各种资料,总结如下

 

      官方文档是这么介绍的:



     大致意思就是 在给定的正则表达式来分割该字符串.此方法返回的数组包含此字符串的子字符串，每个子字符串都由另一个匹配给定表达式的子字符串终止，或者由此字符串末尾终止。数组中的子字符串按它们在此字符串中出现的顺序排列。如果表达式不匹配输入的任何部分，那么所得数组只具有一个元素，即此字符串。.哒哒一大堆,看着拗口又难懂.

     咱们简单来说就是通过使用split()方法,给定一个正则,会根据该正则来将字符串切割,并且返回String类型的数组,这个大家应该都知道,但是在他的重载方法split(String regex,int limit) 中,第二个参数是有点门道的,

     第一个regex是正则,我们都清楚,需要注意如果是要按照"|" "."之类的特殊符号分割,需要加上转义,比如"\\|",不然切割的会不准确

     第二个参数int limit 是要输入一个数值,这个数值n如果 >0 则会执行切割 n-1次,也就是说执行的次数不会超过输入的数值次.数组长度不会大于切割次数,比如下面代码:



输入limit为数字1,切割执行1-1次 ,也就是0次,所以切割后的数组长度仍然是1,也就是原来的字符串

 

   第二个规则: 如果输入的limit数值是非正数,则执行切割到无限次,数组长度也可以是任何数值,比如下面代码:



 输出结果如下:



也就是说如果limit为非正数,那么会将字符串所有匹配该正则的全部切割,但是我们也发现没有内容的","变成了空字符串,数组的有效大小并不需要这些空字符串

 

第三个规则  : 如果输入limit数值等于0,则会执行切割无限次并且去掉该数组最后的所有空字符串

 



我们可以看到,数组 最后的空字符串被去掉了,但是前方和中间的仍然存在.以后使用split()会不会更加得心应手了呢?

VBA编程是经常会用到字符串拆分函数SPLIT，用法也不复杂，但是大家对于这个函数的参数未必完全了解，下面结合示例讲解一下参数的用法。
SPLIT函数的语法格式如下：
Split(expression, [ delimiter, [ limit, [ compare ]]])





参数
含义




express
需要拆分的字符串


delimiter
参数为拆分的分隔符，如果省略则使用空格做为分隔符


limit
指定返回字符串的数量


compare
指定拆分子字符串时的比较类型


先来看一个示例，现在需要拆分Good good study day day up为单个单词。
Sub Demo1()
    Dim strString As String
    Dim varResult As Variant
    Dim arrResult() As String
    strString = "Good good study day day up"
    varResult = VBA.Split(strString)
    arrResult = VBA.Split(strString)
End Sub

VBA.Split(strString)省略delimiter参数，则使用空格做为分隔符，拆分为6个单词字符串，在【本地窗口】中可以查看数组的值，如下图所示。



请注意变量声明语句，用于保存结果的数组，可以使用如下两种方式：Variant变量或者字符串数组，但是不可以声明为Variant数组。
    Dim varResult As Variant
    Dim arrResult() As String

一般情况下，都无须指定LIMIT参数，下面看一个使用LIMIT参数的例子。对于一些国外地址如：888, Ocean Wind Rd, Markham, V4A，需要拆分为888，Ocean Wind Rd和Markham, V4A，而不是拆分为4段，此时就需要设置LIMIT参数为3。
Sub Demo2()
    Dim strString As String
    Dim arrResult() As String
    Dim i As Integer
    strString = "888, Ocean Wind Rd, Markham, V4A"
    arrResult = VBA.Split(strString, ",", 3)
    For i = LBound(arrResult) To UBound(arrResult)
        Debug.Print Trim(arrResult(i))
    Next i
End Sub

接下来看一下如何使用compare参数，下面示例代码中设置为vbTextCompare，即执行文本比较，也就是说忽略字符大小写区别（S和s都可以作为分界符）。如下代码结果为包含4个元素的字符串数组（AAA，BBB，CCC和DDD）。
Sub Demo3()
    Dim strString As String
    Dim arrResult() As String
    Dim i As Integer
    strString = "AAAsBBBSCCCsDDD"
    arrResult = VBA.Split(strString, delimiter:="s", compare:=vbTextCompare)
    For i = LBound(arrResult) To UBound(arrResult)
        Debug.Print Trim(arrResult(i))
    Next i
End Sub

如果将compare参数设置为vbBinaryCompare，那么结果就会不同了。
Sub Demo4()
    Dim strString As String
    Dim arrResult() As String
    Dim i As Integer
    strString = "AAAsBBBSCCCsDDD"
    arrResult = VBA.Split(strString, delimiter:="s", compare:=vbBinaryCompare)
    For i = LBound(arrResult) To UBound(arrResult)
        Debug.Print Trim(arrResult(i))
    Next i
End Sub

字符串被拆分为三段，BBB和CCC之间的S不再做为分界符。

AAA

BBBSCCC

DDD

通过这个讲解，希望大家完全明白了SPLIT函数的用法。