使用python实现以下功能1. 将 Iris 数据集总样本随机打乱，并按照 8：2 分为训练集与测试集。 3. 选取测试集的一个样本，计算该样本到训练集所有样本的欧几里得距离，并将 距离结果保存。

好的，以下是用Python实现将Iris数据集随机打乱并分成训练集和测试集的代码：

import random
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split

iris = load_iris()
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.2)

train_data = list(zip(X_train, y_train))
test_data = list(zip(X_test, y_test))

# 将测试集中的一个样本与训练集中所有样本计算欧几里得距离
def euclidean_distance(x1, x2):
    return sum([(a - b) ** 2 for a, b in zip(x1, x2)]) ** 0.5

test_sample = random.choice(test_data)
distances = []
for train_sample in train_data:
    distance = euclidean_distance(train_sample[0], test_sample[0])
    distances.append((distance, train_sample[1]))

# 将距离结果按距离从小到大排序并输出
distances.sort()
print(distances)