在Python中，划分数据集为训练集和测试集通常使用`scikit-learn`库中的`train_test_split`函数。以下是一个简单的示例，展示了如何使用`train_test_split`函数划分数据集：
```python
from sklearn.model_selection import train_test_split
import numpy as np
示例数据集
X = np.array（[[1, 2], [3, 4], [5, 6], [7, 8]]）
y = np.array（[0, 1, 0, 1]）
使用train_test_split函数划分数据集
`test_size`参数指定测试集占比，`random_state`参数保证结果可复现性
X_train, X_test, y_train, y_test = train_test_split（X, y, test_size=0.3, random_state=42）
打印划分后的训练集和测试集
print（"训练集 X:"）
print（X_train）
print（"测试集 X:"）
print（X_test）
print（"训练集 y:"）
print（y_train）
print（"测试集 y:"）
print（y_test）
在上面的示例中，`train_test_split`函数将数组`X`和`y`按照70:30的比例分割成训练集和测试集。`random_state`参数设置为42，确保每次运行代码时，数据集的划分结果都是一样的，这有助于在开发和验证模型时获得一致的结果。如果你需要进一步划分数据集为训练集、验证集和测试集，可以使用类似的方法，并调整`test_size`参数来分配适当的比例给验证集。例如，将数据集按照6:2:2的比例划分为训练集、验证集和测试集。