给定数据集：iris_2_3.txt，用random.shuffle()函数随机排列数据集顺序，将前80个样本做训练集，后20个样本做测试集，用adaboost分类器，按照迭代次数分别是5、10、15、20、25、30分别训练样本并求出测试样本的准确率。

好的，以下是完整的 Python 代码实现：

import random
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.ensemble import AdaBoostClassifier
from sklearn.metrics import accuracy_score

# 加载数据集
iris = load_iris()
X = iris.data[:, 2:]
y = iris.target

# 随机打乱数据集
random.seed(42)
shuffle_index = list(range(len(X)))
random.shuffle(shuffle_index)
X = X[shuffle_index]
y = y[shuffle_index]

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 打印训练集和测试集的样本数量
print("训练集样本数量：", len(X_train))
print("测试集样本数量：", len(X_test))

# 定义 AdaBoost 分类器，并按照不同的迭代次数进行训练和测试
for n_estimators in [5, 10, 15, 20, 25, 30]:
    ada_clf = AdaBoostClassifier(n_estimators=n_estimators, algorithm="SAMME.R", learning_rate=0.5, random_state=42)
    ada_clf.fit(X_train, y_train)
    y_pred = ada_clf.predict(X_test)
    accuracy = accuracy_score(y_test, y_pred)
    print("迭代次数为{}时，测试集准确率为：{}".format(n_estimators, accuracy))

首先加载数据集，然后使用随机种子打乱数据集的顺序，并划分训练集和测试集。然后，使用 AdaBoostClassifier 定义分类器，并使用 for 循环按照不同的迭代次数进行训练和测试，最后输出测试集准确率。

注意，这里使用了格式化字符串的方式输出结果，即使用 {} 占位符表示需要替换的变量，然后使用 format 方法将实际的值替换进去。这样可以使输出的结果更加清晰易懂。