我有一个数据文件，包含以下列：
'customer', 'calibrat' - 校准样本 = 1; 验证样本 = 0; 'churn', 'churndep', 'revenue', 'mou',
数据文件包含约40000行，其中20000行的calibrat值为1。我希望将此数据拆分成
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)
sklearn.model_selection 提供了许多除了 train_test_split 之外的选项。其中一个目的是解决你所需要的问题。在这种情况下，您可以使用GroupShuffleSplit，如文档中所述，它提供了随机的训练/测试索引，以根据第三方提供的组拆分数据。当您进行交叉验证并且想要多次拆分验证训练时，确保集合由group字段拆分时，这非常有用。您还可以使用GroupKFold来处理这些情况，非常有用。
因此，根据您的示例，下面是您可以执行的操作。
假设您有：
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')
GroupShuffleSplit，并像使用 train_test_split 一样操作，唯一的区别是需要指定一个group列，用于根据组值将X和y划分为组。gs = GroupShuffleSplit(n_splits=2, train_size=.7, random_state=42)
如前所述，这在您想要将其拆分为多个组（通常是为了交叉验证目的）时更加方便。以下是一个示例，说明如何像问题中提到的那样获取两个拆分：
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]
提供：
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
X1_train, X1_test, y1_train, y1_test = train_test_split(X1.loc[X1['calibrat']==1], y1.loc[X1['calibrat']!=1], test_size=0.3, random_state=0)吗？ - Exi