Python被廣泛用于數(shù)據(jù)分析和機器學習。在機器學習過程中，一個重要的步驟是分離訓練集和測試集。在這篇文章中，我將介紹如何使用Python從原始數(shù)據(jù)中抽取訓練集。

首先，我們需要導入必要的Python模塊。我們將使用的模塊是pandas和numpy。Pandas是一個用于數(shù)據(jù)分析的Python庫，NumPy是一個Python數(shù)學庫。

import pandas as pd
import numpy as np

接下來，我們需要導入數(shù)據(jù)集。我們假設(shè)我們有一個包含100個實例和5個特征的數(shù)據(jù)集。我們將使用Pandas從CSV文件中讀取數(shù)據(jù)。

data = pd.read_csv("data.csv")

然后，我們需要隨機抽取一部分實例作為訓練集。我們可以使用numpy的shuffle函數(shù)來隨機化數(shù)據(jù)集，并使用pandas的iloc函數(shù)選擇前70個實例作為訓練集。

# Shuffle data
data = data.sample(frac=1).reset_index(drop=True)
# Split data into training and testing sets
data_train = data.iloc[:70]

最后，我們可以將訓練集保存到文件中，以備后續(xù)使用。

data_train.to_csv("data_train.csv", index = False)

總結(jié)一下，我們使用Python中的Pandas和NumPy模塊，從原始數(shù)據(jù)中抽取了訓練集。我們首先導入必要的模塊，然后讀取數(shù)據(jù)集。接著，我們將數(shù)據(jù)集隨機化并將前70個實例分配為訓練集。最后，我們將訓練集保存到文件中。