amostraPor (DataFrameStatFunctions)

Retorna uma amostra estratificada sem reposição com base na fração fornecida em cada estrato.

Sintaxe

sampleBy(col, fractions, seed=None)

Parâmetros

Parâmetro	Tipo	Descrição
col	str	A coluna que define os estratos.
fractions	dicionário	A fração de amostragem para cada estrato. Os estratos não especificados são tratados como tendo uma fração de zero.
seed	int, opcional	Semente aleatória.

Devoluções

DataFrame

Exemplos

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