sampleBy (DataFrameStatFunctions)

Egy rétegzett mintát ad vissza csere nélkül az egyes rétegeken megadott törtrész alapján.

Szemantika

sampleBy(col, fractions, seed=None)

Paraméterek

Paraméter	Típus	Leírás
col	str	A rétegeket meghatározó oszlop.
fractions	szótár	Az egyes rétegek mintavételezési törtrésze. A nem megadott rétegeket nulla törtrészként kezeli a rendszer.
seed	int, nem kötelező	Véletlenszerű mag.

Visszatérítések

DataFrame

Examples

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|
# +---+-----+