调用train_test_split划分数据集触发空训练集ValueError报错如何解决？

1. 直接触发原因是传入train_test_split的x_data或y_data样本总数为0，对应报错提示中的n_samples=0。按照你设置的test_size=0.1计算，划分后测试集、训练集的样本数均为0，不满足sklearn的划分规则，因此抛出ValueError。
2. 空数据集一般是上游处理逻辑出错导致：比如数据读取时路径填错没加载到有效数据、数据清洗的过滤规则太严把所有样本都删了、特征处理操作不当清空了数据集等。

• 先校验输入数据有效性：在调用划分函数前加校验代码，确认x_data和y_data样本数匹配且不为0，示例如下：

print("特征样本数：", len(x_data), "标签样本数：", len(y_data))
assert len(x_data) == len(y_data), "特征和标签的样本数量不匹配"
assert len(x_data) > 0, "输入数据集为空"

• 排查上游数据流程：检查数据读取的路径、查询参数是否正确，逐一验证数据清洗、特征工程的每一步输出，修正导致全量样本被删除的错误逻辑。
• 若本身数据集样本量很小：可以降低测试集占比，比如把test_size改成0.05，或者直接用K折交叉验证来评估模型，不需要做固定比例的训练测试集划分。
• 特殊场景下也可以手动指定train_size参数，保证训练集样本数至少大于0。

内容的提问来源于stack exchange，提问作者Tuba Umer