将上述代码的结果存储到DataFrame中

以下是将上述代码的结果存储到DataFrame中的修改示例：

import pandas as pd
import numpy as np

# 从CSV文件读取数据，假设数据文件名为data.csv
data = pd.read_csv('data.csv')

# 获取原始样本的大小
sample_size = len(data)

# 设置Bootstrapping抽样的样本大小为原始样本大小的80%
bootstrap_sample_size = int(sample_size * 0.8)

# 创建一个空的DataFrame来存储所有Bootstrapping抽样得到的数据集
bootstrap_data_all = pd.DataFrame()

# 进行50次Bootstrapping抽样
for i in range(50):
    # 创建一个空的DataFrame来存储当前循环中的Bootstrapping抽样得到的数据集
    bootstrap_data = pd.DataFrame()
    
    # 进行Bootstrapping抽样
    for j in range(bootstrap_sample_size):
        # 随机选择一个数据点的索引
        index = np.random.randint(0, sample_size)
        
        # 将选择的数据点复制到当前循环的数据集中
        bootstrap_data = bootstrap_data.append(data.iloc[index])
    
    # 将当前循环的数据集添加到所有数据集中，并为每个样本添加一个标签以区分不同的循环
    bootstrap_data['Loop'] = i
    
    # 将当前循环的数据集添加到所有数据集bootstrap_data_all中
    bootstrap_data_all = pd.concat([bootstrap_data_all, bootstrap_data], ignore_index=True)

# 打印所有Bootstrapping抽样得到的数据集
print(bootstrap_data_all)

上述代码中，在进行Bootstrapping抽样时，我们为每个样本添加了一个名为"Loop"的列，用于区分不同的循环。然后，将当前循环的数据集添加到所有数据集bootstrap_data_all中。这样，最后得到的bootstrap_data_all数据集中包含了每个样本以及它们所属的循环。你可以根据实际需求进一步处理和分析这个数据集。