按照给定的CSV，以PatientID这列为准线，相同PatientID的值为同一个人，按照80%（约等于708）和20%（约等于178）的比例，分裂出两个CSV，给出python，并用GSE93601.csv验证

在Python中，我们可以使用pandas库来处理CSV文件并按指定条件分割数据。首先确保已经安装了pandas，如果还没有，可以通过pip安装：

pip install pandas

以下是一个步骤化的代码示例，用于按照`PatientID`列将数据分割成两部分，大约按照80%和20%的比例：

import pandas as pd

# 加载CSV文件
df = pd.read_csv('GSE93601.csv')

# 确保'PatientID'列存在
assert 'PatientID' in df.columns, "PatientID column not found."

# 按照PatientID分组，计算每个ID的行数
grouped = df.groupby('PatientID').size().reset_index(name='count')

# 计算分割点
split_point_80 = grouped['count'].quantile(0.8)
split_point_20 = grouped['count'].quantile(0.9)  # 使用更接近80%的数值避免误差

# 分割数据
large_df = df[df.groupby('PatientID')['count'].transform('sum') >= split_point_80]
small_df = df[df.groupby('PatientID')['count'].transform('sum') < split_point_20]

# 保存结果到新的CSV文件
large_df.to_csv('GSE93601_large.csv', index=False)
small_df.to_csv('GSE93601_small.csv', index=False)

这段代码首先读取CSV文件，然后根据`PatientID`分组统计每个性别出现的次数。接着，它计算了80%和20%的分割点。`large_df`包含`PatientID`在原始数据集中出现次数大于或等于80%的记录，而`small_df`则包含小于这个阈值的记录。最后，我们将这两部分分别保存到新的CSV文件。