Python pyspark RDD.sampleByKey用法及代码示例

本文简要介绍 pyspark.RDD.sampleByKey 的用法。

用法: RDD.sampleByKey(withReplacement, fractions, seed=None)

返回按键采样的 RDD 的子集(通过分层采样)。使用分数指定的不同键的可变采样率创建此 RDD 的样本，这是采样率映射的键。

例子：

>>> fractions = {"a": 0.2, "b": 0.1}
>>> rdd = sc.parallelize(fractions.keys()).cartesian(sc.parallelize(range(0, 1000)))
>>> sample = dict(rdd.sampleByKey(False, fractions, 2).groupByKey().collect())
>>> 100 < len(sample["a"]) < 300 and 50 < len(sample["b"]) < 150
True
>>> max(sample["a"]) <= 999 and min(sample["a"]) >= 0
True
>>> max(sample["b"]) <= 999 and min(sample["b"]) >= 0
True

相关用法

Python pyspark RDD.sampleVariance用法及代码示例
Python pyspark RDD.sample用法及代码示例
Python pyspark RDD.sampleStdev用法及代码示例
Python pyspark RDD.saveAsTextFile用法及代码示例
Python pyspark RDD.saveAsPickleFile用法及代码示例
Python pyspark RDD.sumApprox用法及代码示例
Python pyspark RDD.subtract用法及代码示例
Python pyspark RDD.sortByKey用法及代码示例
Python pyspark RDD.stdev用法及代码示例
Python pyspark RDD.setName用法及代码示例
Python pyspark RDD.subtractByKey用法及代码示例
Python pyspark RDD.sortBy用法及代码示例
Python pyspark RDD.sum用法及代码示例
Python pyspark RDD.keyBy用法及代码示例
Python pyspark RDD.lookup用法及代码示例
Python pyspark RDD.zipWithIndex用法及代码示例
Python pyspark RDD.coalesce用法及代码示例
Python pyspark RDD.count用法及代码示例
Python pyspark RDD.groupWith用法及代码示例
Python pyspark RDD.distinct用法及代码示例
Python pyspark RDD.treeAggregate用法及代码示例
Python pyspark RDD.mapPartitionsWithIndex用法及代码示例
Python pyspark RDD.foreachPartition用法及代码示例
Python pyspark RDD.zipWithUniqueId用法及代码示例
Python pyspark RDD.takeOrdered用法及代码示例

注：本文由纯净天空筛选整理自spark.apache.org大神的英文原创作品 pyspark.RDD.sampleByKey。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。