用python实现以下功能，将原始数据划分成训练数据和测试数据，其中原始数据中有一列不参与建模，最后分别保存训练数据和测试数据，并带上不参与建模的那一列

好的，我可以帮你实现这个功能。假设原始数据为一个csv文件，其中第一列是不参与建模的列，以下是实现代码：

import pandas as pd
from sklearn.model_selection import train_test_split

# 读取原始数据
data = pd.read_csv('raw_data.csv')

# 划分训练集和测试集
train_data, test_data = train_test_split(data.iloc[:, 1:], test_size=0.2, random_state=42)

# 将不参与建模的列加到训练集和测试集中
train_data.insert(loc=0, column='non-model-col', value=data.iloc[train_data.index, 0])
test_data.insert(loc=0, column='non-model-col', value=data.iloc[test_data.index, 0])

# 保存训练集和测试集
train_data.to_csv('train_data.csv', index=False)
test_data.to_csv('test_data.csv', index=False)

上述代码中，首先使用pandas库读取原始数据。然后使用train_test_split函数将原始数据划分为训练集和测试集，其中test_size参数指定测试集所占比例，random_state参数指定随机种子以保证每次运行结果一致。接着使用insert函数将不参与建模的列加到训练集和测试集中，并指定其位置为第一列。最后使用to_csv函数将训练集和测试集保存为csv文件，其中index=False表示不保存行索引。