编写一个函数：sklearn库自带的手写数字数据集进行切分处理，要求参数可以设置数据集的分割比例

在Python中，你可以使用scikit-learn（sklearn）库中的`train_test_split`函数对手写数字数据集进行划分。这个函数可以帮助你将数据集划分为训练集和测试集。下面是一个基本的例子，演示了如何使用这个函数，并允许用户自定义数据集的分割比例：

from sklearn.model_selection import train_test_split
from sklearn.datasets import load_digits

def split_data(dataset_path='digits', test_size=0.2, random_state=42):
    # 加载手写数字数据集
    digits = load_digits()
    
    # 获取特征和目标变量
    X = digits.data
    y = digits.target
    
    # 划分训练集和测试集
    X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=test_size, random_state=random_state)
    
    return X_train, X_test, y_train, y_test

# 调用函数并指定分割比例
X_train, X_test, y_train, y_test = split_data(test_size=0.3)  # 设置30%的数据作为测试集