python分层抽样_基于列的sklearn分层抽样

我有一个相当大的CSV文件，其中包含我读入pandas数据框的amazon review数据。我想分割数据80-20(列车测试)，但在这样做的同时，我想确保分割的数据成比例地代表一列(类别)的值，即所有不同类别的审查都成比例地出现在列车和测试数据中。

数据如下：**ReviewerID** **ReviewText** **Categories** **ProductId**

1212 good product Mobile 14444425

1233 will buy again drugs 324532

5432 not recomended dvd 789654123

我使用以下代码来执行此操作：import pandas as pd

Meta = pd.read_csv('C:\\Users\\xyz\\Desktop\\WM Project\\Joined.csv')

import numpy as np

from sklearn.cross_validation import train_test_split

train, test = train_test_split(Meta.categories, test_size = 0.2, stratify=y)

它给出了以下错误NameError: name 'y' is not defined

由于我对python还比较陌生，所以我不知道自己做错了什么，也不知道这段代码是否会基于列类别进行分层。当我从train test split中删除stratify选项和categories列时，它似乎工作得很好。

任何帮助都将不胜感激。