写一段代码，图片命名方式为1_0.jpg,其中_前面的1是顺序号，_后的0代表是第几类模式，实现将原本图片名按递增顺序排列的图片数据集，随机划分为训练集和测试集，比例为9:1，然后把训练集按照划分后的顺序重新命名图片这个过程保持_后面的模式类别不变，改变前面的顺序号，写入另外一个文件夹，

以下是Python实现代码：

import os
import random
import shutil

# 指定原始数据集文件夹路径和保存训练集的文件夹路径
data_dir = "data/"
train_dir = "train/"

# 获取原始数据集中所有图片的文件名列表
images = os.listdir(data_dir)
# 按照图片顺序号排序
images.sort(key=lambda x: int(x.split("_")[0]))

# 计算划分训练集和测试集的边界索引
split_idx = int(len(images) * 0.9)

# 随机打乱图片列表顺序
random.shuffle(images)

# 将前90%的图片复制到训练集文件夹中
for i, img in enumerate(images[:split_idx]):
    # 获取图片类别
    label = img.split("_")[1]
    # 构造新的图片文件名
    new_name = f"{i+1}_{label}.jpg"
    # 复制图片到训练集文件夹中，并使用新的文件名
    shutil.copyfile(os.path.join(data_dir, img), os.path.join(train_dir, new_name))

# 将训练集中的图片按照顺序号重新命名
train_images = os.listdir(train_dir)
train_images.sort(key=lambda x: int(x.split("_")[0]))
for i, img in enumerate(train_images):
    # 获取图片类别
    label = img.split("_")[1]
    # 构造新的图片文件名
    new_name = f"{i+1}_{label}.jpg"
    # 重命名图片文件
    os.rename(os.path.join(train_dir, img), os.path.join(train_dir, new_name))

这段代码将原始数据集中的图片按照递增顺序排列，并随机划分为训练集和测试集，比例为9:1。然后将训练集中的图片按照顺序号重新命名，并写入另一个文件夹中。重命名后的图片文件名保持了原来的模式类别不变，只改变了顺序号。