利用iloc实现DataFrame的随机样本分层

要使用iloc实现DataFrame的随机样本分层，首先需要对数据进行分层，然后在每个层次上随机抽取样本。以下是一个示例：

import pandas as pd
import numpy as np

# 创建一个模拟数据集
data = {'A': np.random.randint(1, 100, 100),
        'B': np.random.randint(1, 100, 100),
        'C': np.random.choice(['a', 'b', 'c'], 100)}

df = pd.DataFrame(data)

# 对数据集进行分层
stratified_data = df.groupby('C')

# 定义要抽取的样本数量
sample_size = 5

# 从每个层次上随机抽取样本
random_samples = []
for group_name, group_data in stratified_data:
    random_indices = np.random.choice(group_data.index, size=min(sample_size, len(group_data)), replace=False)
    random_samples.append(group_data.loc[random_indices])

# 将抽取的样本合并为一个新的DataFrame
random_sampled_df = pd.concat(random_samples)

print(random_sampled_df)

这个示例首先创建了一个包含3列（A、B和C）的模拟数据集，其中C列有3个类别（a、b、c）。然后，我们使用groupby函数对数据集进行分层，并从每个层次上随机抽取5个样本。最后，我们将抽取的样本合并为一个新的DataFrame。