sampleBy (DataFrameStatFunctions)

Renvoie un échantillon stratifié sans remplacement basé sur la fraction donnée sur chaque strate.

Syntaxe

sampleBy(col, fractions, seed=None)

parameter

parameter	Type	Description
col	str	La colonne qui définit les strates.
fractions	dict	La fraction d'échantillonnage pour chaque strate. Les strates non spécifiées sont traitées comme ayant une fraction nulle.
seed	int, facultatif	Graine aléatoire.

parameter	Type	Description
col	str	La colonne qui définit les strates.
fractions	dict	La fraction d'échantillonnage pour chaque strate. Les strates non spécifiées sont traitées comme ayant une fraction nulle.
seed	int, facultatif	Graine aléatoire.

Renvoie

DataFrame

Exemples

Python

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