python中对diabetes糖尿病数据集输出原始数据集数据的形状，然后按20%的测试集数据将数据切分为训练集和测试集，再分别输出训练集数据的形状和测试集数据的形状；

首先，我们需要导入数据集并输出其形状：

from sklearn.datasets import load_diabetes

diabetes = load_diabetes()
print(diabetes.data.shape)

这将输出糖尿病数据集的形状，即 (442, 10)，其中 442 表示样本数，10 表示特征数。

接下来，我们可以使用 `train_test_split` 函数将数据集划分为训练集和测试集，并输出它们各自的形状：

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(diabetes.data, diabetes.target, test_size=0.2)

print(X_train.shape)
print(X_test.shape)

这将输出训练集和测试集的形状，分别为 (353, 10) 和 (89, 10)。其中，353 和 89 分别是训练集和测试集的样本数，10 是特征数。