repartitionById

Devolve uma nova DataFrame particionada pelas expressões de partição dadas. O DataFrame resultante é particionado por identificador de coluna.

Sintaxe

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

Parâmetros

Devoluções

DataFrame: DataFrame reparticionado.

Notes

Pelo menos uma expressão particionada deve ser especificada. Isto é semelhante à repartição em distribuição, mas preserva a ordem das linhas dentro de cada partição.

Esta é uma API experimental.

Exemplos

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