Sklearn : train_test_split()函数的用法
一、train_test_split官方文档链接
二、参数介绍
① X ：（必需） 待划分的样本集
② y ：（非必需） 样本标签target（如果你只是想把数据简单的分为两部分，不涉及分类算法等需要标注数据标签的情况就无须设置）
③ train_size ： （非必需） int型或float型，整型表示划分后的数据个数；浮点型表示划分数据的比例。
④ test_size ：（非必需） 同上
⑤ random_state ：（非必需） int 类型，默认值为None。先笼统的认为是一个控制分裂过程随机性的一个参数。不用管内部实现过程。
⑥ shuffle ：（非必需） 默认为True。控制拆分数据前，原始数据集是否需要打乱再拆分。
⑦ stratify ：（非必需）
三、自己动手看一下效果
1. 自定义一个数据集：
import numpy as np
x = np.arange(1, 25).reshape(12, 2)
y = np.array([0, 1, 1, 0, 1, 0, 0, 1, 1, 0, 1, 0])
print("原始数据集：\n",x)
print("数据标签：\n",y)
输出如下：
原始数据集：
[[ 1 2]
[ 3 4]
[ 5 6]
[ 7 8]
[ 9 10]
[11 12]
[13 14]
[15 16]
[17 18]
[19 20]
[21 22]
[23 24]]
数据标签：
[0 1 1 0 1 0 0 1 1 0 1 0]
2.先用最简单的执行方式，了解一下各个参数的作用
首先默认一切非必须参数为默认值：
from sklearn.model_selection import train_test_split
x_train,x_test = train_test_split(x)
print("训练数据为：\n",x_train)
print("测试数据为：\n",x_test)
输出如下：
训练数据为：
[[ 9 10]
[13 14]
[ 5 6]
[11 12]
[15 16]
[21 22]
[23 24]
[ 7 8]
[ 1 2]]
测试数据为：
[[17 18]
[19 20]
[ 3 4]]
由于shuffle默认值为True，即原始数据在划分前做了打乱处理，因此分裂后的数据是乱序的。若此时重新执行当前代码，输出结果如下：
训练数据为：
[[ 7 8]
[23 24]
[ 1 2]
[ 3 4]
[19 20]
[15 16]
[21 22]
[17 18]
[13 14]]
测试数据为：
[[11 12]
[ 5 6]
[ 9 10]]
可以发现，输出变了，（emmm，大部分实验场景下，这种每次都变的输入并不利于后续的研究分析，应该避免，但是也不排除有些情况下，就是希望数据每次都不一样，OK，你自己判断一下。我不管。。。）。若要避免这种情况有两种解决方式，分别是设置shuffle和random_state，详情见3、4。
- 设置shuffle
设置shuffle为False，即在拆分数据前，不对原始数据集进行打乱，但是划分结果后的数据按原始数据的顺序排列。
x_train,x_test = train_test_split(x,shuffle=False)
输出结果如下：
训练数据为：
[[ 1 2]
[ 3 4]
[ 5 6]
[ 7 8]
[ 9 10]
[11 12]
[13 14]
[15 16]
[17 18]]
测试数据为：
[[19 20]
[21 22]
[23 24]]
- 设置random_state
若你仍希望拆分前对原始数据集进行打乱处理，又希望每次重复执行你的代码时，划分后的数据能够相同，此时就可以设置rrandom_state，至于设置为多少我还没有搞懂，根据经验在1到10随便设置选一个整数就OK，结果没有影响。
x_train,x_test = train_test_split(x,random_state=1)
重复执行两次上述代码，划分后的数据集两次相同，输出结果如下：
训练数据为：
[[21 22]
[ 3 4]
[13 14]
[ 1 2]
[15 16]
[23 24]
[19 20]
[17 18]
[11 12]]
测试数据为：
[[ 5 6]
[ 7 8]
[ 9 10]]
- 设置stratify
如果你的数据压根没有标签，就不用管这个参数；如果有标签，假设标签分别为0和1，表示正负样本，设置stratify就可以保证划分后的训练集和测试集中正负样本的比例近似相同。
x = np.arange(1, 25).reshape(12, 2)
y = np.array([0, 1, 1, 0, 1, 0, 0, 1, 1, 0, 1, 0])
x_train, x_test, y_train, y_test = train_test_split(x, y, stratify=y)
输出结果如下：
数据标签：
[0 1 1 0 1 0 0 1 1 0 1 0]
训练数据为：
[[21 22]
[ 3 4]
[ 7 8]
[17 18]
[15 16]
[ 1 2]
[ 9 10]
[13 14]
[11 12]]
训练数据标签为：
[1 1 0 1 1 0 1 0 0] #（emmm这里样本总个数太少了，不明显，你可以自己试一下大样本的结果）正负样本比例4/5
测试数据为：
[[23 24]
[ 5 6]
[19 20]]
测试数据标签为： #正负样本比例2/1
[0 1 0]