我想将我的数据集分为两部分，75%用于训练，25%用于测试。数据集中有两个类别。我还有另一个数据集，其中只有一个类别的单一实例，其余所有实例都属于第二个类别。所以我不想随机分割。我希望确保，如果某一类别只有一个实例，它应该在训练集中。有什么方法可以做到这一点吗？我知道我需要选择索引，但我不知道如何操作。目前，我是这样做的，即选择前75%作为训练集，剩余的作为测试集：

train_data = df[:int((len(df)+1)*.75)] test_data = df[int(len(df)*.75+1):] 

回答：

这可能有帮助：GroupKFold。你可以在scikit-learn的文档中找到相关信息：

http://scikit-learn.org/stable/modules/generated/sklearn.model_selection.GroupKFold.html