DataFrame.sample

DataFrame.sample() 方法用于从 DataFrame 中随机抽取样本。它可以接收一个可选的参数 `n`，表示抽取的样本数量，默认为 1。另外，还可以使用参数 `frac` 来指定抽取样本的比例，默认为 None。

示例用法：

import pandas as pd

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

# 抽取一个样本
sample = df.sample()
print(sample)

# 抽取两个样本
sample = df.sample(n=2)
print(sample)

# 抽取样本比例为50%
sample = df.sample(frac=0.5)
print(sample)

输出结果：

   A   B
4  5  10
   A  B
4  5  10
3  4   9
   A  B
2  3  8
4  5  10

这是一个随机过程，因此每次运行代码可能得到不同的结果。

相关问题

pandas.DataFrame.sample

pandas.DataFrame.sample() 是一个函数，它可以从 DataFrame 中随机抽取一些行或列。它可以接受以下参数：

- n：要抽取的行数或列数，默认为 1。
- frac：要抽取的行数或列数的比例，默认为 None。如果 n 和 frac 都没有指定，那么默认抽取一行。
- replace：是否允许重复抽取，默认为 False。
- weights：每行或列的权重，默认为 None。
- random_state：随机数种子。

示例：

import pandas as pd

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

# 抽取一行
row = df.sample()
print(row)

# 抽取两行
rows = df.sample(n=2)
print(rows)

# 抽取一列
col = df.sample(axis=1)
print(col)

# 抽取两列
cols = df.sample(n=2, axis=1)
print(cols)

statistical summary of the dataframe.

Sure, I can provide you with a statistical summary of a dataframe. In Python, you can use the describe() method to get a statistical summary of a dataframe. Here is an example code snippet:

import pandas as pd

# create a sample dataframe
df = pd.DataFrame({'A': [1, 2, 3, 4, 5], 'B': [2, 4, 6, 8, 10], 'C': [3, 6, 9, 12, 15]})

# get the statistical summary of the dataframe
summary = df.describe()

# print the summary
print(summary)

This will output the following statistical summary of the dataframe:

              A          B          C
count  5.000000   5.000000   5.000000
mean   3.000000   6.000000   9.000000
std    1.581139   3.162278   4.743416
min    1.000000   2.000000   3.000000
25%    2.000000   4.000000   6.000000
50%    3.000000   6.000000   9.000000
75%    4.000000   8.000000  12.000000
max    5.000000  10.000000  15.000000

This summary provides information such as the count, mean, standard deviation, minimum, maximum, and quartiles for each column in the dataframe.