我有一个熊猫数据框，我想把它分成3个独立的集合。我知道使用sklearn.cross\u validation中的train\u test\u分割，可以将数据分成两组（train和test）。但是，我找不到任何将数据分成三组的解决方案。最好，我想要原始数据的索引
我知道一个解决办法是使用train\u test\u split两次，并以某种方式调整索引。但是有没有更标准/内置的方法将数据分成3组而不是2组
Numpy解决方案。我们将首先洗牌整个数据集（df.sample（frac=1，random_state=42）），然后将数据集拆分为以下部分：
- 60%列车组
- 20%验证集
- 20%测试集
[305]on
：训练、验证、测试=\
np.分割（df.样本（分形=1，随机状态=42），
[int（.6*len（df）），int（.8*len（df））]
In[306]：火车
Output[306]：
A、B、C、D、E
0 0.046919 0.792216 0.206294 0.440346 0.038960
2 0.301010 0.625697 0.604724 0.936968 0.870064
1 0.642237 0.690403 0.813658 0.525379 0.396053
9 0.488484 0.389640 0.599637 0.122919 0.106505
8 0.842717 0.793315 0.554084 0.100361 0.367465
7 0.185214 0.603661 0.217677 0.281780 0.938540
At[307]on：验证
Output[307]：
A、B、C、D、E
5 0.806176 0.008896 0.362878 0.058903 0.026328
6 0.145777 0.485765 0.589272 0.806329 0.703479
In[308]：测试
Out[308]：
A、B、C、D、E
4 0.521640 0.332210 0.370177 0.859169 0.401087
3 0.333348 0.964011 0.083498 0.670386 0.169619
[int（.6*len（df）），int（.8*len（df））]-是一个用于numpy.split（）的索引\u或\u节的数组
下面是np.split（）用法的一个小演示-让我们将20个元素数组分成以下部分：80%、10%、10%：
[45]on
：a=np.arange（1,21）
At[46]on：a
Out[46]：数组（[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20]）
At[47]on：np.split（a[int（.8*len（a）），int（.9*len（a）））
Output[47]：
[数组（[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16]），
数组（[17,18]），
数组（[19,20]）]