我有一个多类分类问题，我的数据集是倾斜的，我有100个特定类的实例，并说10个不同的类，所以我想分割我的数据集保持比例，如果我有100个特定类的实例我希望30％的记录进入训练集我希望有30个实例，我的100个记录代表类，3个实例代表我的10个记录，等等。
我有一个多类分类问题，我的数据集是倾斜的，我有100个特定类的实例，并说10个不同的类，所以我想分割我的数据集保持比例，如果我有100个特定类的实例我希望30％的记录进入训练集我希望有30个实例，我的100个记录代表类，3个实例代表我的10个记录，等等。
你可以使用sklearn StratifiedKFold，来自在线文档：
分层K-Folds交叉验证迭代器
提供火车/测试 用于在列车测试集中分割数据的索引。
这个交叉验证对象 是KFold的变体，返回分层折叠。折叠是 通过保留每个班级的样本百分比来制作。
>>> from sklearn import cross_validation
>>> X = np.array([[1, 2], [3, 4], [1, 2], [3, 4]])
>>> y = np.array([0, 0, 1, 1])
>>> skf = cross_validation.StratifiedKFold(y, n_folds=2)
>>> len(skf)
2
>>> print(skf)
sklearn.cross_validation.StratifiedKFold(labels=[0 0 1 1], n_folds=2,
shuffle=False, random_state=None)
>>> for train_index, test_index in skf:
... print("TRAIN:", train_index, "TEST:", test_index)
... X_train, X_test = X[train_index], X[test_index]
... y_train, y_test = y[train_index], y[test_index]
TRAIN: [1 3] TEST: [0 2]
TRAIN: [0 2] TEST: [1 3]
这将保留您的类比率，以便拆分保留类比率，这将适用于pandas dfs。
正如@Ali_m所建议你可以使用 StratifiedShuffledSplit 它接受分割比例参数：
sss = StratifiedShuffleSplit(y, 3, test_size=0.7, random_state=0)
将产生70％的分裂。
你可以使用sklearn StratifiedKFold，来自在线文档：
分层K-Folds交叉验证迭代器
提供火车/测试 用于在列车测试集中分割数据的索引。
这个交叉验证对象 是KFold的变体，返回分层折叠。折叠是 通过保留每个班级的样本百分比来制作。
>>> from sklearn import cross_validation
>>> X = np.array([[1, 2], [3, 4], [1, 2], [3, 4]])
>>> y = np.array([0, 0, 1, 1])
>>> skf = cross_validation.StratifiedKFold(y, n_folds=2)
>>> len(skf)
2
>>> print(skf)
sklearn.cross_validation.StratifiedKFold(labels=[0 0 1 1], n_folds=2,
shuffle=False, random_state=None)
>>> for train_index, test_index in skf:
... print("TRAIN:", train_index, "TEST:", test_index)
... X_train, X_test = X[train_index], X[test_index]
... y_train, y_test = y[train_index], y[test_index]
TRAIN: [1 3] TEST: [0 2]
TRAIN: [0 2] TEST: [1 3]
这将保留您的类比率，以便拆分保留类比率，这将适用于pandas dfs。
正如@Ali_m所建议你可以使用 StratifiedShuffledSplit 它接受分割比例参数：
sss = StratifiedShuffleSplit(y, 3, test_size=0.7, random_state=0)
将产生70％的分裂。
很简单：
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y,
stratify=y,
test_size=0.25)