要按照类别比例从数据框中随机抽取子样本，可以使用Python中的pandas库和numpy库来实现。以下是一个解决方法的代码示例：

import pandas as pd
import numpy as np

# 创建一个示例数据框
data = pd.DataFrame({'类别': ['A', 'A', 'A', 'B', 'B', 'C', 'C', 'C'],
                     '数值': [1, 2, 3, 4, 5, 6, 7, 8]})

# 按照类别计算每个类别的样本数量
category_counts = data['类别'].value_counts()

# 计算每个类别的比例
category_proportions = category_counts / category_counts.sum()

# 设置随机种子，保证每次运行结果相同
np.random.seed(0)

# 根据类别比例从数据框中随机抽取子样本
subset = data.groupby('类别', group_keys=False).apply(lambda x: x.sample(frac=category_proportions[x.name]))

print(subset)

在这个示例中，我们首先创建了一个示例数据框data，其中包含了一个类别列和一个数值列。然后，我们使用value_counts()函数计算了每个类别的样本数量，并使用/运算符计算了每个类别的比例。接下来，我们使用np.random.seed()函数设置了随机种子，以确保每次运行时抽样结果相同。最后，我们使用groupby()函数将数据框按照类别列进行分组，并使用apply()函数和sample()函数来对每个组进行按比例抽样。抽样结果存储在变量subset中。

请注意，这个示例中的代码假设每个类别的样本数量大于等于抽样比例。如果某个类别的样本数量小于抽样比例，可能会导致抽样操作失败。在实际应用中，可能需要根据具体情况进行适当的处理。