用pthony写出，并输出结果图片；从mnist训练集中按现有顺序分出六个万份数据，编写程序，统计每万份数据中与测试集相同位置上具有相同数字的个数。

以下是第一个问题的代码实现，使用Python编写，需要先安装matplotlib和torchvision库：

import matplotlib.pyplot as plt
import torchvision.datasets as datasets

# 加载MNIST数据集
train_set = datasets.MNIST(root='./data', train=True, download=True)
test_set = datasets.MNIST(root='./data', train=False, download=True)

# 输出训练集中前6个样本的图片和标签
for i in range(6):
    img, label = train_set[i]
    plt.subplot(2, 3, i+1)
    plt.imshow(img, cmap='gray')
    plt.title('Label: {}'.format(label))
plt.show()

运行以上代码，可以输出MNIST训练集中前6个样本的图片和标签。

以下是第二个问题的代码实现，同样使用Python编写：

import numpy as np
import torchvision.datasets as datasets

# 加载MNIST数据集
train_set = datasets.MNIST(root='./data', train=True, download=True)
test_set = datasets.MNIST(root='./data', train=False, download=True)

# 划分训练集
split = len(train_set) // 6
train_sets = [train_set[i*split:(i+1)*split] for i in range(6)]

# 统计每个训练集中与测试集相同位置上具有相同数字的个数
for i in range(6):
    correct = 0
    for j in range(len(test_set)):
        if train_sets[i][j][1] == test_set[j][1]:
            correct += 1
    print('第{}个训练集与测试集相同位置上具有相同数字的个数: {}'.format(i+1, correct))

运行以上代码，可以输出划分后的6个训练集与测试集相同位置上具有相同数字的个数。