Python pyspark DataFrame.sample用法及代码示例

本文简要介绍 pyspark.sql.DataFrame.sample 的用法。

用法: DataFrame.sample(withReplacement=None, fraction=None, seed=None)

返回此 DataFrame 的采样子集。

版本 1.3.0 中的新函数。

参数：

withReplacement：布尔型，可选: 是否有替换样本(默认 False )。
fraction：浮点数，可选: 要生成的行的分数，范围 [0.0, 1.0]。
seed：整数，可选: 用于采样的种子(默认为随机种子)。

注意：

这不能保证准确提供给定 DataFrame 总计数中指定的分数。

fraction 是必需的，withReplacement 和 seed 是可选的。

例子：

>>> df = spark.range(10)
>>> df.sample(0.5, 3).count()
7
>>> df.sample(fraction=0.5, seed=3).count()
7
>>> df.sample(withReplacement=True, fraction=0.5, seed=3).count()
1
>>> df.sample(1.0).count()
10
>>> df.sample(fraction=1.0).count()
10
>>> df.sample(False, fraction=1.0).count()
10

相关用法

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.sql.DataFrame.sample。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。