划分训练测试集函数（iloc）

1.引言

主要记录的是iloc函数的划分用法理解，因为之前在网上看到别人写的和我实验出来的不太一样，所以这里记录一下我实验验证的结果。
工具：python3.8 和 pycharm

2.导入csv文件

import pandas as pd
#文件路径
path = "D:/Desktop/研究生/A数据集/iris.csv"
#命名iris接收
iris = pd.read_csv(path)

这里需要在python中导入pandas模块，报错的话可以按照下面步骤导入：

A区域的是你当前项目已经安装的模块，点击B的加号，搜索你要安装的模块，如这里搜索pandas，直接安装即可。

3.iloc划分函数（连续行和列，单独的较简单）

1. 下面是操作的数据CSV文件截图：

2. X=iris.iloc[0:, 0:4] 注意的问题

1.行和列都是从0开始算起。
2.CSV文件中不可以包含中文，否则会报错。
3.iloc函数默认表格中第一行为各特征名称，不参与数据划分，输出打印时会默认打印出来，还会把默认排序打出来，所以上面数据中的第0行为（5.1，3.5，1.4，0.2）那一行，第0列就是Sepal.length那一列。
4.取左不取右， 如X=iris.iloc[0:4] ，表示取0-3行，不取第四行。

所以 X=iris.iloc[0:, 0:4] 表示的就是取所有行，0-3列，下面是python运行结果：

X=iris.iloc[0:, 0:4]
print(X)

X=iris.iloc[2:, 1:3] 表示的就是取2-最后行，1-2列，下面是python运行结果：

X=iris.iloc[2:, 1:3]
print(X)