Python是一门高级编程语言，广泛应用于数据分析、人工智能、Web开发等领域。在数据分析领域中，Python被广泛应用于构建、处理和分析大数据集。其中，生成训练集是数据分析的一个非常重要的环节。

import pandas as pd

# 读取原始数据集
data = pd.read_csv("original_data.csv")

# 提取特征变量和目标变量
X = data.iloc[:, :3] # 前三列为特征变量
y = data.iloc[:, -1] # 最后一列为目标变量

# 划分训练集和测试集
from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

# 输出训练集和测试集
print("训练集：")
print(X_train)
print(y_train)

print("测试集：")
print(X_test)
print(y_test)

以上代码使用Python的pandas库和scikit-learn库实现了生成训练集的三个步骤：提取特征变量和目标变量、划分训练集和测试集、输出训练集和测试集。其中，提取特征变量和目标变量是指从原始数据集中提取出用于训练模型的特征变量和目标变量；划分训练集和测试集是指将提取出的特征变量和目标变量分别按照比例随机分为训练集和测试集；输出训练集和测试集是指将划分好的训练集和测试集打印出来以供查看。

通过以上代码实现，可以方便地生成和划分训练集。如果需要处理更复杂的数据集，可以使用Python的其他数据处理和机器学习库。对于数据分析领域的从业者而言，掌握Python的数据处理和机器学习库，有助于提升数据分析和处理的效率。