Python pyspark RDD.sample用法及代碼示例

返回此 RDD 的采樣子集。

參數：

withReplacement：bool

元素是否可以多次采樣(采樣出來時替換)

fraction：浮點數

樣本的預期大小作為該 RDD 大小的一部分而無需替換：每個元素被選擇的概率；分數必須是 [0, 1] 替換：每個元素被選擇的預期次數；分數必須 >= 0

seed：整數，可選

隨機數生成器的種子

注意：

這不能保證準確提供給定 DataFrame 總計數中指定的分數。

例子：

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