如何将给定的数据集划分为训练集和测试集，并保留它们的正确标签。
可以使用sklearn库实现相同的功能：
from sklearn.cross_validation import train_test_split
train, test = train_test_split(df, test_size = 0.2)
这里的 df 是原始数据集，例如：字符串列表。
问题在于，它没有将目标/标签与数据集一起使用。因此，我们无法跟踪哪个标签属于哪个数据点...
有没有办法将数据点和其标签绑定起来，然后将数据集拆分为训练集和测试集？
sklearn.cross_validation.train_test_split 可以将变量数量的数组拆分。
*arrays : 具有相同shape[0]的数组或scipy.sparse矩阵序列
返回值:
splitting : 数组列表, 长度为2 * len(arrays) 包含输入数组的训练集和测试集的列表。
因此，您可以沿着标签列表添加：
from sklearn import cross_validation
df = ['the', 'quick', 'brown', 'fox']
labels = [0, 1, 0, 0]
>> cross_validation.train_test_split(df, labels, test_size=0.2)
[['quick', 'fox', 'the'], ['brown'], [1, 0, 0], [0]]
df是什么？ - Ami Tavory