写一段python代码依次读取多个Excel文件并按8:2的比例划分为训练集和测试集

以下是一段Python代码，可以依次读取多个Excel文件并按8:2的比例划分为训练集和测试集：

import glob
import pandas as pd
from sklearn.model_selection import train_test_split

# 定义文件夹路径和Excel文件扩展名
folder_path = 'path/to/folder'
extension = 'xlsx'

# 获取所有符合条件的文件路径
files = glob.glob(folder_path + '/*.' + extension)

# 初始化训练集和测试集
train_data = pd.DataFrame()
test_data = pd.DataFrame()

# 依次读取每个Excel文件，并按8:2的比例划分为训练集和测试集
for file in files:
    df = pd.read_excel(file)
    train, test = train_test_split(df, test_size=0.2)
    train_data = pd.concat([train_data, train])
    test_data = pd.concat([test_data, test])

# 输出训练集和测试集的数量
print('训练集数量：', len(train_data))
print('测试集数量：', len(test_data))

这段代码首先使用`glob`模块获取指定路径下所有扩展名为`.xlsx`的Excel文件路径，然后依次读取每个Excel文件，并使用`train_test_split`函数将数据集按8:2的比例划分为训练集和测试集。最后将所有训练集和测试集拼接起来，并输出它们的数量。