在Python中，可以使用scikit-learn库的train_test_split函数来按组将训练集和测试集拆分。以下是一个示例代码：

from sklearn.model_selection import train_test_split

# 假设我们有一个包含特征数据X和目标数据y的数据集
X = ...
y = ...

# 假设我们还有一个包含组信息的数据列group
group = ...

# 按组将数据集拆分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, stratify=group)

# 输出训练集和测试集的大小
print("训练集大小:", len(X_train))
print("测试集大小:", len(X_test))

在上面的示例中，train_test_split函数中的test_size参数指定了测试集的比例，可以根据需要进行调整。stratify参数可以根据组信息进行分层抽样，确保训练集和测试集中的组分布相似。最后，将拆分后的训练集和测试集分别赋值给X_train, X_test, y_train, y_test，可以根据需要进行后续的建模和评估。