从pandas数据帧聚合随机样本并在空数据帧中迭代附加采样df平均值的更有效方法

我试图从我的df中随机抽取一个样本，使用df_sample.mean（axis=0）获取单行序列中所有列的平均值，然后将这个序列附加到一个空数据帧，我想要100万行这样的行。我得到了结果，但运行时间太长了。有人能提出一个有效的方法吗

train = pd.DataFrame()

for i in range (1000000):

    df_sample  = df_2.sample(n=100)
    row = df_sample.mean(axis=0)
    train = train.append(row,ignore_index=True)

---

这里有一个更快的方法，这将产生100万（1000万）行：

方法1：使用内置熊猫进行采样

n_times = 1000000
values = [df_2.sample(n=1).mean(axis=0, numeric_only=True) for _ in range (n_times)]
train = pd.DataFrame(values, columns=['mean_col'])

方法2：使用numpy进行采样

def f1():
    return np.mean(df_2.values[np.random.randint(0, df.shape[0])])

def f2():
    return df_2.iloc[np.random.randint(0, df.shape[0])].mean(axis=0, numeric_only=True)

values = [f1() for _ in range(n_times)]
train = pd.DataFrame(values, columns=['mean_col'])

values = [f2() for _ in range(n_times)]
train = pd.DataFrame(values, columns=['mean_col'])

---

我很困惑。从dataframe中抽取100条记录，计算每行的平均值，这将为您提供100维列向量，然后将其作为一行附加到新的dataframe？这样做的目的是什么？获取具有连续变量的聚合数据集（因为均值）。我的原始数据集只有分类变量。所以，这就是为什么不是更快的方法，用的时间几乎相同