sampleBy (DataFrameStatFunctions)

Vrátí stratifikovaný vzorek bez nahrazení na základě zlomku zadaného na každé vrstvě.

Syntaxe

sampleBy(col, fractions, seed=None)

Parametry

Parameter	Typ	Description
col	str	Sloupec, který definuje strata.
fractions	slovník	Zlomek vzorkování pro každou vrstvu. Strata, která není zadaná, se považují za zlomek nuly.
seed	int, volitelné	Náhodné počáteční.

Návraty

DataFrame

Příklady

from pyspark.sql import functions as sf
dataset = spark.range(0, 100, 1, 5).select((sf.col("id") % 3).alias("key"))
sampled = dataset.stat.sampleBy("key", fractions={0: 0.1, 1: 0.2}, seed=0)
sampled.groupBy("key").count().orderBy("key").show()
# +---+-----+
# |key|count|
# +---+-----+
# |  0|    4|
# |  1|    9|
# +---+-----+