我有一个包含以下列的数据文件
'customer', 'calibrat' - 校准样本 = 1；验证样本 = 0；'流失'，'churndep'，'收入'，'mou'，
数据文件包含大约 40000 行，其中 20000 的 calibrat 值为 1。我想将此数据拆分为
X1 = data.loc[:, data.columns != 'churn']
y1 = data.loc[:, data.columns == 'churn']
from imblearn.over_sampling import SMOTE
os = SMOTE(random_state=0)
X1_train, X1_test, y1_train, y1_test = train_test_split(X1, y1, test_size=0.3, random_state=0)
我想要的是在我的 X1_train 中应该有校准数据 calibrat = 1 并且在 X1_test 中应该有所有数据来验证 calibrat = 0
sklearn.model_selection除了 .还有其他几个选项train_test_split。其中之一旨在解决您的要求。在这种情况下，您可以使用GroupShuffleSplit，如文档中所述，它提供随机训练/测试索引来根据第三方提供的组拆分数据。这在您进行交叉验证时很有用，并且您希望多次拆分验证训练，确保集合按group字段拆分。对于这些情况，您也有GroupKFold非常有用的。
因此，调整您的示例，这就是您可以做的。
比如说你有：
from sklearn.model_selection import GroupShuffleSplit
cols = ['customer', 'calibrat', 'churn', 'churndep', 'revenue', 'mou',]
X = pd.DataFrame(np.random.rand(10, 6), columns=cols)
X['calibrat'] = np.random.choice([0,1], size=10)
print(X)
customer calibrat churn churndep revenue mou
0 0.523571 1 0.394896 0.933637 0.232630 0.103486
1 0.456720 1 0.850961 0.183556 0.885724 0.993898
2 0.411568 1 0.003360 0.774391 0.822560 0.840763
3 0.148390 0 0.115748 0.089891 0.842580 0.565432
4 0.505548 0 0.370198 0.566005 0.498009 0.601986
5 0.527433 0 0.550194 0.991227 0.516154 0.283175
6 0.983699 0 0.514049 0.958328 0.005034 0.050860
7 0.923172 0 0.531747 0.026763 0.450077 0.961465
8 0.344771 1 0.332537 0.046829 0.047598 0.324098
9 0.195655 0 0.903370 0.399686 0.170009 0.578925
y = X.pop('churn')
您现在可以实例化GroupShuffleSplit，并按照您train_test_split的方式执行 ，唯一的区别是指定一个group列，该列将用于拆分X，y因此根据组值拆分组：
gs = GroupShuffleSplit(n_splits=2, train_size=.7, random_state=42)
如前所述，当您想要分成多个组时，这更方便，通常用于交叉验证目的。如问题中所述，这只是如何进行两次拆分的示例：
train_ix, test_ix = next(gs.split(X, y, groups=X.calibrat))
X_train = X.loc[train_ix]
y_train = y.loc[train_ix]
X_test = X.loc[test_ix]
y_test = y.loc[test_ix]
给予：
print(X_train)
customer calibrat churndep revenue mou
3 0.148390 0 0.089891 0.842580 0.565432
4 0.505548 0 0.566005 0.498009 0.601986
5 0.527433 0 0.991227 0.516154 0.283175
6 0.983699 0 0.958328 0.005034 0.050860
7 0.923172 0 0.026763 0.450077 0.961465
9 0.195655 0 0.399686 0.170009 0.578925
print(X_test)
customer calibrat churndep revenue mou
0 0.523571 1 0.933637 0.232630 0.103486
1 0.456720 1 0.183556 0.885724 0.993898
2 0.411568 1 0.774391 0.822560 0.840763
8 0.344771 1 0.046829 0.047598 0.324098