Condividi tramite

sampleBy (DataFrameStatFunctions)

Restituisce un campione stratificato senza sostituzione in base alla frazione specificata in ogni strato.

Sintassi

sampleBy(col, fractions, seed=None)

Parametri

Parametro Tipo Descrizione
col str Colonna che definisce strata.
fractions dizionario Frazione di campionamento per ogni strato. Gli strati non specificati vengono considerati come con una frazione pari a zero.
seed int, facoltativo Valore di inizializzazione casuale.

Restituzioni

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|
# +---+-----+
  • Last updated on