datafram随机选取样本

在 Pandas 中，可以使用 `sample` 方法从 DataFrame 中随机选取样本。该方法的基本语法如下：

df.sample(n=None, frac=None, replace=False, weights=None, random_state=None, axis=None)

其中，各参数的含义如下：

- n：选取的样本数量。如果指定了 `frac` 参数，则 `n` 和 `frac` 中必须至少指定一个。
- frac：选取的样本比例。取值范围为 [0, 1]，表示选取 DataFrame 中的比例。如果指定了 `n` 参数，则 `n` 和 `frac` 中必须至少指定一个。
- replace：是否允许重复选取。默认为 `False`，表示不允许重复选取。
- weights：样本权重。可以为每个样本指定一个权重，选取样本时会考虑这个权重。如果不指定，则所有样本的权重都为 1。
- random_state：随机数种子。如果指定了该参数，则每次调用该函数时得到的结果都相同。
- axis：选取样本的轴。默认为 0，表示选取行样本；如果指定为 1，则表示选取列样本。

举个例子，下面的代码演示了如何从 DataFrame 中随机选取 10 个样本：

import pandas as pd

# 创建一个 DataFrame
df = pd.DataFrame({'A': [1, 2, 3, 4, 5], 'B': [6, 7, 8, 9, 10]})

# 从 DataFrame 中随机选取 10 个样本
df_sample = df.sample(n=10, replace=True)

print(df_sample)

输出结果类似于：

   A   B
0  1   6
0  1   6
4  5  10
2  3   8
4  5  10
0  1   6
0  1   6
4  5  10
3  4   9
3  4   9

注意，由于指定了 `replace=True`，所以有可能会选取重复的样本。如果想要选取不重复的样本，则应该将 `replace` 参数设置为 `False`。如果需要选取一定比例的样本，可以使用 `frac` 参数，例如：

df_sample = df.sample(frac=0.5, replace=False)

这里的 `frac=0.5` 表示选取 DataFrame 中的一半样本。