以下是一个示例代码，用于从多列中随机抽取经验分布的值：

import pandas as pd
import numpy as np

# 创建一个示例数据集
data = {
    'group': ['A', 'A', 'A', 'B', 'B', 'B'],
    'col1': [1, 2, 3, 4, 5, 6],
    'col2': [7, 8, 9, 10, 11, 12],
    'col3': [13, 14, 15, 16, 17, 18]
}
df = pd.DataFrame(data)

# 按组计算列的经验分布
grouped = df.groupby('group')
distributions = grouped.apply(lambda x: x.apply(pd.Series.value_counts))

# 随机抽取值
samples = {}
for col in df.columns[1:]:
    samples[col] = grouped.apply(lambda x: np.random.choice(x[col], size=len(x), replace=True, p=None))

# 打印抽样结果
for group, sample in samples.items():
    print(f'Group: {group}')
    print(sample)
    print()

这个示例代码首先创建了一个包含组信息和多列数据的示例数据集。然后使用groupby函数计算每个组中每列值的经验分布，并将结果保存在distributions变量中。

接下来，使用np.random.choice函数从每个组中的每列中随机抽取值，其中size参数设置为当前组的长度，replace参数设置为True表示允许重复抽样，p参数设置为None表示采用均匀分布进行抽样。

最后，打印每个组中每列抽样的结果。

请注意，这只是一个示例代码，具体的实现方法可能因数据集的结构和要求的结果而有所不同。