DataFrame.sample 是 pandas 库中 DataFrame 对象的方法，用于从数据框中抽取随机样本。

DataFrame.sample(n=None, frac=None, replace=False, weights=None, random_state=None, axis=None)

1. n（int或None）：

   • 指定要抽取的样本数量。如果指定了 n，则 frac 应设置为 None。

2. frac（float或None）：

   • 指定要抽取的样本占原数据框的比例。可以是小数，表示抽取的比例，例如 frac=0.25 表示抽取 25% 的样本。
   • 如果同时指定了 n 和 frac，将使用 frac 参数。

3. replace（bool，默认为False）：

   • 控制是否允许重复抽样。如果设置为 True，则允许同一样本被抽取多次；如果设置为 False，则不允许重复抽样。

4. weights（str或数组型，默认为None）：

   • 指定每个样本的权重。可以是列名，指示样本权重的列，也可以是权重数组。

5. random_state（int或RandomState实例或None，默认为None）：

   • 控制随机抽样的随机化过程。指定一个整数可以实现可重复的随机抽样。

6. axis（{0或‘index’，1或‘columns’}，默认为0）：

   • 指定抽样的轴。如果为 0 或 'index'，则在行上进行抽样；如果为 1 或 'columns'，则在列上进行抽样。

应用示例：

import pandas as pddf = pd.read_csv('label.txt', sep='\t')# 从数据框中抽取10个样本
sampled_data = df.sample(n=10)# 从数据框中抽取总样本的30%
sampled_data_frac = df.sample(frac=0.3)# 从数据框中进行有放回抽样（允许重复）
sampled_with_replacement = df.sample(n=10, replace=True)# 指定每个样本的权重进行抽样
sampled_with_weights = df.sample(n=10, weights='column_with_weights')# 指定随机种子以实现可重复抽样
sampled_with_seed = df.sample(n=10, random_state=42)