python 分层数据划分

Python中的分层数据划分是指根据数据集中的某个特征，将数据划分为训练集和测试集，同时保持不同类别的样本比例相同。在Python中，可以使用Scikit-learn库中的StratifiedShuffleSplit函数来进行分层数据划分。

具体步骤如下：
1. 导入StratifiedShuffleSplit函数：`from sklearn.model_selection import StratifiedShuffleSplit`
2. 创建StratifiedShuffleSplit对象：`split = StratifiedShuffleSplit(n_splits=10, test_size=None, train_size=None, random_state=None)`
- n_splits参数指定将数据划分为多少个训练集和测试集的组合
- test_size参数指定测试集的大小，可以是一个具体的数值或者一个浮点数（表示测试集的比例）
- train_size参数指定训练集的大小，可以是一个具体的数值或者一个浮点数（表示训练集的比例）
- random_state参数指定随机种子，用于控制每次划分的随机性
3. 使用split.split(X, y)方法进行数据划分，其中X是特征矩阵，y是目标向量
4. 遍历划分结果，得到训练集和测试集的索引：

   for train_index, test_index in split.split(X, y):
       X_train, X_test = X[train_index], X[test_index]
       y_train, y_test = y[train_index], y[test_index]