Scikit-learn API：train_test_split函数 将数据分割为训练集和测试集

函数原型

sklearn.model_selection.train_test_split(*arrays, **options)

函数功能

将数组或矩阵随机的分割成训练集和测试集，注意这里是随机的。假定某元素A第一次划分到测试集中，对数据集进行新增操作之后，再进行划分，则A可能划分到训练集中。

函数允许一次传入多个数据集，所以我们也可以把行数相同的多个数据集添加为*arrays参数，它会根据相同索引将其拆分，当我们有一个单独的dataframe用于标记时，这种做法是非常有用的。

参数说明

*arrays：长度或者shape[0]相同7的可索引序列。	允许的输入是列表、numpy数组、scipy-sparse矩阵、或者是pandas dataframe。
test_size：可选，float, int或None(默认)	如果是浮点数，则应该在0.0和1.0之间，表示要测试集占总数据集的比例。 如果是int类型，表示测试集的绝对数量。 如果是None，则将该值设置为训练集train_size大小的补数;如果train_size也是None，则将其设置为0.25。
train_size：float, int, or None(默认=None)	如果是浮点数，则应该在0.0和1.0之间，表示要训练集占数据集的比例。 如果是int类型，表示训练集的绝对数量。 如果是Nnone，该值将自动设置为测试集大小的补数。
random_stateint：可选，int,RandomState实例或None(默认)	如果是int类型，random_state是随机数生成器使用的种子; 如果是RandomState实例，random_state是随机数生成器; 如果是None，随机数生成器就是np.random使用的RandomState实例，每次生成结果均不同。
shuffle：可选参数，boolean(默认为True)	表示是否在分割之前重新洗牌数据。只有在stratify=None时，才允许shuffle=False。
stratify：array-like 或者 None (default=None)	如果不是None，则以分层的方式分割数据，并将其作为类标签。

例子

>>> import numpy as np
>>> from sklearn.model_selection import train_test_split
>>> X, y = np.arange(10).reshape((5, 2)), range(5)
>>> X
array([[0, 1],
       [2, 3],
       [4, 5],
       [6, 7],
       [8, 9]])
>>> list(y)
[0, 1, 2, 3, 4]

>>> X_train, X_test, y_train, y_test = train_test_split(
...     X, y, test_size=0.33, random_state=42)
...
>>> X_train
array([[4, 5],
       [0, 1],
       [6, 7]])
>>> y_train
[2, 0, 3]
>>> X_test
array([[2, 3],
       [8, 9]])
>>> y_test
[1, 4]