1．在素材数据文件 car _ profiles . csv 中，共有40个关于汽车配置的样本，包括类型、气缸、 涡轮式、燃料、排气量、压缩率、功率、换档、车重、里程几项特征。试编写程序，完成以下几项数据抽样： (1）随机抽样。无放回，抽取出30％的样本量，并将抽样结果保存到新建的 Excel 文件中，文件名为 samples . xlsx ，数据表标签为"随机抽样"。(2）系统抽样。抽取8个样本，并将结果保存到结果文件中标签为"系统抽样"的表中。 (3）分层抽样。以车重属性分层，抽取属性值为"中"的样本9个，为"轻"的样本3个，为"重"的样本2个，共14个样本，并将结果保存到结果文件中标签为"分层抽样"的表中。 (4）整群抽样。随机抽取里程属性取值为"高""中""低"中的2组样本，并将结果保存到结果文件中标签为"整群抽样"的表中。

由于你没有说明你用的是哪种编程语言，我就用Python3来给出代码实现吧。前提是需要安装pandas和openpyxl这两个库。

import pandas as pd
import random
from openpyxl import Workbook

# 读取原始数据文件
df = pd.read_csv('car_profiles.csv')

# 随机抽样
random_sample = df.sample(frac=0.3, replace=False)  # frac为抽样比例，replace为是否有放回抽样
# 将抽样结果保存到Excel文件中
wb = Workbook()
ws = wb.active
ws.title = '随机抽样'
ws.append(random_sample.columns.tolist())
for row in random_sample.values:
    ws.append(row.tolist())
wb.save('samples.xlsx')

# 系统抽样
systematic_sample = df.iloc[::5, :]  # 每隔5个样本选一个
# 将抽样结果保存到Excel文件中
wb = Workbook()
ws = wb.active
ws.title = '系统抽样'
ws.append(systematic_sample.columns.tolist())
for row in systematic_sample.values:
    ws.append(row.tolist())
wb.save('samples.xlsx')

# 分层抽样
# 先将车重属性分成"轻""中""重"三类
df['weight_class'] = pd.cut(df['车重'], [0, 1500, 2000, 3000], labels=['轻', '中', '重'])
# 按照车重属性分层抽样
stratified_sample = pd.concat([df[df['weight_class'] == '中'].sample(n=9),
                               df[df['weight_class'] == '轻'].sample(n=3),
                               df[df['weight_class'] == '重'].sample(n=2)])
# 将抽样结果保存到Excel文件中
wb = Workbook()
ws = wb.active
ws.title = '分层抽样'
ws.append(stratified_sample.columns.tolist())
for row in stratified_sample.values:
    ws.append(row.tolist())
wb.save('samples.xlsx')

# 整群抽样
cluster_sample = pd.concat([df[df['里程'] == '高'].sample(n=4),
                            df[df['里程'] == '中'].sample(n=4),
                            df[df['里程'] == '低'].sample(n=4)])
# 将抽样结果保存到Excel文件中
wb = Workbook()
ws = wb.active
ws.title = '整群抽样'
ws.append(cluster_sample.columns.tolist())
for row in cluster_sample.values:
    ws.append(row.tolist())
wb.save('samples.xlsx')

注意，以上代码中的抽样比例、抽样数量、分层属性等都是可以根据实际情况进行调整的。