python划分train、dev、test

本文介绍了一种使用Python实现的数据集划分方法,通过随机抽样将原始数据集分为训练集和验证测试集,比例为1:1。代码详细展示了如何读取原始文件,进行数据划分,并将结果写入新的文件中。

数据格式:一行为一句话。

import random

def split(all_list, shuffle=False, ratio=0.5):
    num = len(all_list)
    offset = int(num * ratio)
    if num == 0 or offset < 1:
        return [], all_list
    if shuffle:
        random.shuffle(all_list)
    train = all_list[:offset]
    dev_test = all_list[offset:]

    return train, dev_test

def write_split(film, train, dev_test):
    infilm = open(film, 'r', encoding='utf-8')
    trainfilm = open(train, 'w', encoding='utf-8')
    dev_testfilm = open(dev_test, 'w', encoding='utf-8')
    list = []
    for datas in infilm.readlines():
        datas = datas.replace('\n','')
        list.append(datas)
    traindatas, dev_testdatas = split(list, shuffle=True, ratio=0.5)
    for traindata in traindatas:
        trainfilm.write(traindata + '\n')
    for dev_testdata in dev_testdatas:
        dev_testfilm.write(dev_testdata + '\n')

    infilm.close()
    trainfilm.close()
    dev_testfilm.close()
if __name__ == '__main__':
    #分割train、dev、test
    film='./data/RenminNER/BIOES/test.txt'
    train = './data/RenminNER/BIOES/new_dev.txt'
    dev_test = './data/RenminNER/BIOES/new_test.txt'
    write_split(film, train, dev_test)
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值