import pandas as pd
import os
import sys
from sklearn.model_selection import train_test_split


water = pd.read_csv('waterQuality.csv')
water_train, water_test = train_test_split(water, train_size=0.8, random_state=1, stratify=water["is_safe"])
water_test, water_dev = train_test_split(water_test, train_size=0.66, random_state=1, stratify=water_test["is_safe"])
water_train["is_safe"].value_counts()
water_test["is_safe"].value_counts()
water_dev["is_safe"].value_counts()


print(f'''
Statystyki zbioru:
Wielkość zbioru - {len(water)}
Wielkość podzbioru treningowego - {len(water_train)}
Wielkość podzbioru walidującego - {len(water_dev)}
Wielkość podzbioru testowego - {len(water_test)}
Rozkład częstości parametru mówiącemu o zdantości picia wody (0 oznacza zdanty do picia):
''')