Question

我有一个这样的列表，其中包含约141个条目：

training = [40.0,49.0,77.0,...... 3122.0]

，我的目标是选择列表的前20％。我是这样的：

testfile_first20 = training[0:int(len(set(training))*0.2)]
testfile_second20 = training[int(len(set(training))*0.2):int(len(set(training))*0.4)]
testfile_third20 = training[int(len(set(training))*0.4):int(len(set(training))*0.6)]
testfile_fourth20 = training[int(len(set(training))*0.6):int(len(set(training))*0.8)]
testfile_fifth20 = training[int(len(set(training))*0.8):]

有没有办法自动循环执行此操作？这是我选择Kfold的方式。

谢谢。

Answer 1

您可以使用列表推导：

div_length = int(0.2*len(set(training)))
testfile_divisions = [training[i*div_length:(i+1)*div_length] for i in range(5)]

这将使您的结果堆积在列表中：

>>> [testfile_first20, testfile_second20, testfile_third20, testfile_fourth20, testfile_fifth20]

如果len(training)没有平均分为五个部分，那么您可以将五个完整的部分除以六，其余部分如下：

import math

div_length = math.floor(0.2*len(set(training)))
testfile_divisions = [training[i*div_length:min(len(training), (i+1)*div_length)] for i in range(6)]

或者您可以进行四次完全除法，第五次除以余数，如下：

import math

div_length = math.ceil(0.2*len(set(training)))
testfile_divisions = [training[i*div_length:min(len(training), (i+1)*div_length)] for i in range(5)]

Answer 2

这是列表理解的简单方法

lst = list('abcdefghijkl')
l = len(lst)

[lst[i:i+l//5] for i in range(0, l, l//5)]

# [['a', 'b'], 
#  ['c', 'd'], 
#  ['e', 'f'], 
#  ['g', 'h'], 
#  ['i', 'j'], 
#  ['k', 'l']]

编辑：实际上，现在我看一下我的答案，它不是真正的20％表示形式，因为它返回6个子列表而不是5个子列表。当列表不能平均分为5个部分时，会发生什么？我将暂时搁置它，直到进一步说明。

Answer 3

您可以通过仅将20％的“大小”和当前起点存储在两个变量中来进行循环。然后将一个添加到另一个：

start = 0
twenty_pct = len(training) // 5

parts = []
for k in range(5):
    parts.append(training[start:start+twenty_pct])
    start += twenty_pct

但是，我怀疑有numpy / pandas / scipy操作可能更适合您的需求。例如，sklearn包含一个名为KFold的函数：https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.KFold.html

Answer 4

类似这样的事情，但也许由于四舍五入而可能会丢失一个元素。

tlen = float(len(training))    
testfiles = [ training[ int(i*0.2*tlen): int((i+1)*0.2*tlen) ] for i in range(5) ]

选择列表的前20％，然后选择列表的下20％

4 个答案: