使用pandas库读取垃圾短信数据集SPAM text message 20170820 - Data.csv，分离短信内容和标签，将数据集分为训练集和测试集。

在Python中，我们可以使用Pandas库来处理CSV文件，包括读取数据、数据清洗和分割。这里假设你已经有一个名为'SPAM text message 20170820 - Data.csv'的数据集，其中包含两列，一列是文本内容（通常标记为'Text'或'Message'），另一列是标签（'Label'或'Spam'表示是否为垃圾短信）。下面是基本步骤：

1. 首先，我们需要导入所需的库：

import pandas as pd
from sklearn.model_selection import train_test_split

2. 加载数据集：

data = pd.read_csv('SPAM text message 20170820 - Data.csv')

3. 分离短信内容（特征）和标签（目标变量）：

texts = data['Text']
labels = data['Label']

4. 将数据集划分为训练集和测试集，比如70%用于训练，30%用于测试：

X_train, X_test, y_train, y_test = train_test_split(texts, labels, test_size=0.3, random_state=42)

`random_state`是一个可选参数，设置它是为了保证每次运行结果的一致性。

现在，`X_train`和`y_train`分别是训练集的文本内容和对应的标签，`X_test`和`y_test`则是测试集的。你可以开始对这两部分数据进行预处理，例如去除停用词、标点等，然后构建和训练你的机器学习模型。