Python pyspark RDD.sample用法及代码示例

返回此 RDD 的采样子集。

参数：

withReplacement：bool

元素是否可以多次采样(采样出来时替换)

fraction：浮点数

样本的预期大小作为该 RDD 大小的一部分而无需替换：每个元素被选择的概率；分数必须是 [0, 1] 替换：每个元素被选择的预期次数；分数必须 >= 0

seed：整数，可选

随机数生成器的种子

注意：

这不能保证准确提供给定 DataFrame 总计数中指定的分数。

例子：

>>> rdd = sc.parallelize(range(100), 4)
>>> 6 <= rdd.sample(False, 0.1, 81).count() <= 14
True