小编ana*_*100的帖子

假设我有一个包含贷款信息的 pandas DataFrame，并且我想预测用户不归还钱的概率（由default我的数据框中的列表示）。我想使用 来分割训练集和测试集中的数据sklearn.model_selection.train_test_split。

但是，我想确保具有相同 customerID 的贷款不会同时出现在测试和训练集中。我该怎么做？

下面是我的数据示例：

d = {'loan_date': ['20170101','20170701','20170301','20170415','20170515'],
     'customerID': [111,111,222,333,444],
     'loanID': ['aaa','fff','ccc','ddd','bbb'],
     'loan_duration' : [6,3,12,5,12],
     'gender':['F','F','M','F','M'],
     'loan_amount': [20000,10000,30000,10000,40000],
     'default':[0,1,0,0,1]}

df = pd.DataFrame(data=d)

CustomerID==111例如，贷款记录应该出现在测试集中或训练集中，但不能同时出现在两者中。