请原谅我，我同意问题的标题不清楚。我想知道从教科书“机器学习动手”中挑选的以下步骤的理解。

 >>> housing['income_cat'].value_counts() 
 >>> 3.0    7236
     2.0    6581
     4.0    3639
     5.0    2362
     1.0     822

如果我没记错的话，上面的步骤是获取每个类的计数。例如，对于“3”类，有 7236 个实例。同样，对于“2”类，有 6581 个实例。

>>>  housing['income_cat'].value_counts / len(housing) 
>>>  3.0    0.350581
     2.0    0.318847
     4.0    0.176308
     5.0    0.114438
     1.0    0.039826

接下来，我不清楚上述步骤背后的意图是什么。通过执行上述步骤，我想学习什么？和

 >>> from sklearn.model_selection import StratifiedShuffleSplit

 >>> split = StratifiedShuffleSplit(n_splits=1, test_size=0.2, random_state=42)
 >>> for train_index, test_index in split.split(housing, housing["income_cat"]):
         strat_train_set = housing.loc[train_index]
         strat_test_set = housing.loc[test_index]

 >>>  strat_test_set['income_cat'].value_counts() / len(strat_test_set)
 >>>  3.0    0.350533
      2.0    0.318798
      4.0    0.176357
      5.0    0.114583
      1.0    0.039729
      Name: income_cat, dtype: float64

为什么strat_test_set['income_cat'].value_counts() / len(strat_test_set)结果与 的结果几乎相同housing['income_cat'].value_counts / len(housing)？