从 Pandas 数据框架中随机选择列需要用到 Pandas 库中的 sample() 方法，该方法可以实现从 DataFrame 中随机选择指定数量或比例的行或列。
首先，我们需要导入 Pandas 库。示例代码如下：
import pandas as pd
接下来，我们可以使用 pandas.read_csv() 方法读取 CSV 文件并将其转换为 DataFrame。示例代码如下：
df = pd.read_csv('data.csv') # 读取 CSV 文件并转换为 DataFrame
完成数据的读取和转换后，就可以使用 DataFrame.sample() 方法随机选择指定数量或比例的列。示例代码如下：
# 从 DataFrame 中随机选择一列
random_col = df.sample(axis=1).iloc[:, 0]
# 从 DataFrame 中随机选择两列
random_cols = df.sample(axis=1, n=2)
# 从 DataFrame 中随机选择 50% 的列
random_cols_50_percent = df.sample(axis=1, frac=0.5)
在上面的示例代码中，我们首先使用 sample() 方法从 DataFrame 中随机选择了一列，其中 axis=1 表示按列选择，iloc[:, 0] 则表示选择第一列（即随机选择的那一列）。接着，我们使用 sample() 方法随机选择了两列，其中 n=2 表示选择两列。最后，我们使用 sample() 方法随机选择了 50% 的列，其中 frac=0.5 表示选择 50% 的列。
值得注意的是，使用 sample() 方法随机选择列时，默认情况下会排除包含空值（NaN）的列。如果需要包含空值的列，可以将 dropna 参数设置为 False。示例代码如下：
random_cols_with_na = df.sample(axis=1, n=2, dropna=False)
在上面的示例代码中，我们将 dropna 参数设置为 False，即可包含空值的列。
以上就是从 Pandas 数据框架中随机选择列的完整攻略，使用 sample() 方法可以实现快速、方便的随机选择列的功能。