repartitionById

Vrátí nový datový rámec dělený danými výrazy dělení. Výsledný datový rámec je rozdělený podle identifikátoru sloupce.

Syntaxe

repartitionById(numPartitions: int, *cols: "ColumnOrName")

Parametry

Parameter	Typ	Description
numPartitions	int (integer)	cílový počet oddílů.
cols	str nebo Column	dělení sloupců.

Návraty

DataFrame: Repartitioned DataFrame.

Poznámky

Musí být zadán alespoň jeden výraz dělení podle oddílu. Podobá se rozdělení do rozdělení v rozdělení, ale zachovává pořadí řádků v rámci každého oddílu.

Toto je experimentální rozhraní API.

Příklady

from pyspark.sql import functions as sf
spark.createDataFrame(
    [(14, "Tom"), (23, "Alice"), (16, "Bob"), (18, "Alice"), (21, "Alice")],
    ["age", "name"]
).repartitionById(2, "name").select(
    "age", "name", sf.spark_partition_id()
).show()
# +---+-----+--------------------+
# |age| name|SPARK_PARTITION_ID()|
# +---+-----+--------------------+
# | 14|  Tom|                   0|
# | 23|Alice|                   1|
# | 18|Alice|                   1|
# | 21|Alice|                   1|
# | 16|  Bob|                   0|
# +---+-----+--------------------+