请用Python实现，对某一DataFrame数据集，随机下采样其70％作为训练集，并把剩下的30％作为测试集

假设我们有一个名为`df`的DataFrame数据集，可以按照以下方式将其划分为训练集和测试集，比例为7:3：

import random

random.seed(123)  # 设定随机数种子，保证每次结果可重复

train_size = int(0.7 * len(df))  # 计算训练集大小
train_data = df.sample(n=train_size)  # 从数据集中随机采样训练集
test_data = df.drop(train_data.index)  # 测试集为剩余部分

print('训练集大小:', len(train_data))
print('测试集大小:', len(test_data))

以上代码中，我们首先设定了一个随机数种子，以保证每次随机结果可重复。然后，根据7:3的比例计算出训练集的大小，从数据集中随机采样相应数量的样本作为训练集，剩余的部分则作为测试集。最后输出训练集和测试集的大小。

需要注意的是，这里使用了`DataFrame.sample()`方法来进行随机采样，其参数`n`表示采样的数量。`DataFrame.drop()`方法可以用于删除指定行或列，这里我们删除了训练集所占的行，剩余部分即为测试集。