问题描述
我知道如何利用基本的train_test_split：
from sklearn.model_selection import train_test_split
X_train,X_test,y_train,y_test = train_test_split(X,y,test_size=0.2,random_state=123)
但是，如果我想将训练和测试集除以变量（在这种情况下为year），该怎么办。我希望所有year==2019都是我的测试集，而year<2019是我的训练集。我该如何更改上面的代码以实现这一目标？
解决方法
让我举例说明：
如果您的语料库有1000个数据点，并且您希望700/300用于训练/测试，请使用year == 2019查找数据点，将其移至语料库末尾，然后将其视为具有以下内容的测试数据：（假设200个数据点满足year == 2019条件）
X_test,y_test = X[800:1000],y[800:1000]
，例如，将300个数据点移到顶部后，就拥有year < 2019：
X_train,y_train = X[0:300],y[0:300]
现在剩下的语料库（从300到800）重新定义X和Y，就像这样：
X = data.iloc[301:799]
Y = label.iloc[301:799]
，然后将train_test_split用于新的X和Y，并将新的X_test,y_test,X_train,y_train与先前的连接。