函数名：train_test_split
所在包：sklearn.model_selection
功能：划分数据的训练集与测试集
参数解读：train_test_split (*arrays，test_size, train_size, rondom_state=None, shuffle=True, stratify=None)
- arrays：特征数据和标签数据（array，list，dataframe等类型），要求所有数据长度相同。
- test_size / train_size: 测试集/训练集的大小，若输入小数表示比例，若输入整数表示数据个数。
- rondom_state：随机种子（一个整数），其实就是一个划分标记，对于同一个数据集，如果rondom_state相同，则划分结果也相同。
- shuffle：是否打乱数据的顺序，再划分，默认True。
- stratify：none或者array/series类型的数据，表示按这列进行分层采样。
举个栗子：
特征数据：data
a b c
0 1 2 3
1 1 3 6
2 2 3 8
3 1 5 7
4 2 4 8
5 2 3 6
6 1 4 8
7 2 3 6
标签数据：label
[2,3,5,6,8,0,2,3]
#划分
xtrain,xtest,ytrain,ytest=train_test_split(data,label,test_size=0.2,stratify=data['a'],random_state=1)
训练特征集：
a b c
0 1 2 3
2 2 3 8
3 1 5 7
5 2 3 6
6 1 4 8
4 2 4 8
测试特征集：
a b c
1 1 3 6
7 2 3 6
训练集与测试集按照a列来分层采样，且无论重复多少次上述语句，划分结果都相同。
