Python是一門強大的解釋型編程語言，被廣泛應用于數據挖掘、人工智能以及科學計算等領域。在數據分析過程中，無放回抽樣是一個重要的統計學方法，它可以幫助我們從樣本中隨機抽取數據，以便在不影響總體分布的情況下獲得一個具有代表性的樣本。

Python中提供了豐富的無放回抽樣函數，本文介紹幾種常用的無放回抽樣方法。

# 導入numpy庫
import numpy as np
# 定義樣本數據
data = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])
# 方法1：np.random.choice
sample1 = np.random.choice(data, size=5, replace=False)
print('sample1:', sample1)
# 方法2：np.random.shuffle + 取前n個數據
np.random.shuffle(data)
sample2 = data[:5]
print('sample2:', sample2)
# 方法3：手動循環實現
index = np.arange(data.shape[0])
np.random.shuffle(index)
sample3 = data[index[:5]]
print('sample3:', sample3)

其中，方法1使用了numpy庫中的random.choice函數，參數size指定了抽取的數據量，replace參數設為False表示無放回抽樣。

方法2首先使用numpy庫中的random.shuffle函數打亂原始數據，然后取前n個數據作為樣本數據。

方法3是手動循環實現的無放回抽樣方法，先生成原始數據的索引數組index，然后使用numpy庫中的random.shuffle函數打亂索引順序，最后根據打亂后的索引順序取前n個數據作為樣本數據。

以上是Python中三種常用的無放回抽樣方法，我們可以根據實際需求選擇合適的方法進行使用。