这个问题已经有了答案：
How to split data into 3 sets (train, validation and test)?
5个答案
我正在尝试用pandas读取一个相当大的csv文件，并将其分为两个随机块，一个是10%的数据，另一个是90%。
这是我目前的尝试：
rows = data.index
row_count = len(rows)
random.shuffle(list(rows))
data.reindex(rows)
training_data = data[row_count // 10:]
testing_data = data[:row_count // 10]
出于某种原因，
sklearn在尝试在SVM分类器内使用这些生成的数据帧对象之一时引发此错误：IndexError: each subindex must be either a slice, an integer, Ellipsis, or newaxis
我想我做错了。有更好的方法吗？
最佳答案：
你在用什么版本的熊猫？对我来说，你的代码运行良好（我在Git Master上）。
另一种方法可能是：
In [117]: import pandas
In [118]: import random
In [119]: df = pandas.DataFrame(np.random.randn(100, 4), columns=list('ABCD'))
In [120]: rows = random.sample(df.index, 10)
In [121]: df_10 = df.ix[rows]
In [122]: df_90 = df.drop(rows)
较新版本（从0.16.1开始）直接支持：
http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.sample.html
