在R语言中，可以使用以下方法进行样本抽取：
简单随机抽样
使用`sample（）`函数从数据集中随机抽取样本。
参数说明：
`data`：要抽样的数据集。
`size`：抽样的样本大小。
`replace`：是否允许重复抽样（默认为FALSE，即不允许重复抽样）。
`prob`：每个数据点被抽中的概率向量（如果未提供，则默认为均匀分布的概率）。
分层抽样
使用`strata（）`函数进行分层抽样。
参数说明：
`data`：待抽样的数据集。
`stratanames`：分层依据的变量名称（可以为NULL）。
`size`：各层中抽取的样本数量。
`method`：抽样方法，包括无放回简单随机抽样（srswor）、有放回简单随机抽样（srswr）、泊松抽样（poisson）、系统抽样（systematic）。
`pik`：各层中各样本抽样概率。
`description`：是否输出含有各层基本信息的结果。
整群抽样
使用`cluster（）`函数进行整群抽样。
参数说明：
`data`：总体数据框。
`clustername`：分群变量。
`size`：样本群数。
`method`：抽样方法，包括不放回简单随机抽样（srswor）、放回简单随机抽样（srswr）、泊松抽样（poisson）、系统抽样（systematic）。
`description`：逻辑型向量，取TRUE时输出包含各群基本信息的结果。
示例代码
简单随机抽样
```R
从向量中随机抽取10个样本，不重复
sample_vector <- sample（1:100, 10, replace = FALSE）
从数据框中随机抽取5行，不重复
data_frame <- data.frame（x = 1:100, y = 1:100）
sample_df <- sample（data_frame, 5, replace = FALSE）
```
分层抽样
```R
假设数据集按性别分层
data_frame$gender <- factor（data_frame$gender, levels = c（"male", "female"））
按性别分层抽样，每层抽取3个样本
sample_strata <- strata（data_frame, stratanames = "gender", size = 3, method = "srswor"）
```
整群抽样
```R
假设数据集包含住户信息
data_frame$cluster <- factor（sample（1:1000, 1000, replace = TRUE））
按群抽样，每群抽取10个样本
sample_cluster <- cluster（data_frame, clustername = "cluster", size = 10, method = "srswor"）
```
通过这些方法，可以根据不同的需求和数据特点选择合适的抽样方法。