در این فصل، با اجرای چهار روش نمونه‌برداری تصادفی ضروری در پایتون، تئوری را به عمل تبدیل خواهیم کرد: نمونه‌برداری ساده، سیستماتیک، طبقه‌ای و خوشه‌ای. در بخش اول، روش‌های نمونه‌برداری تصادفی ساده و سیستماتیک را مورد بحث قرار می‌هیم و سپس در بخش دوم به نمونه‌برداری طبقه‌ای می‌پردازیم، تکنیکی که برای جمعیت‌های دارای زیر گروه‌ها طراحی شده است. با این حال، این روش با چالش جمع‌آوری داده‌ها از هر زیرگروه همراه است که می‌تواند پرهزینه باشد. برای پرداختن به این موضوع، نمونه‌برداری خوشه‌ای را به عنوان یک جایگزین مقرون به صرفه معرفی می‌کنیم. سپس، همانطور که به پایان فصل می‌رسیم، تکنیک‌های نمونه‌برداری را مرور می‌کنیم و اطمینان حاصل می‌کنیم که برای سناریوهای تجزیه و تحلیل داده‌های متنوع به خوبی مجهز هستیم.
