Remarque
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de vous connecter ou de modifier des répertoires.
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de modifier des répertoires.
Retourne un échantillon stratifié sans remplacement en fonction de la fraction donnée sur chaque strate.
Syntaxe
sampleBy(col: "ColumnOrName", fractions: Dict[Any, float], seed: Optional[int] = None)
Paramètres
| Paramètre | Type | Description |
|---|---|---|
col |
Colonne ou str | colonne qui définit des strates. |
fractions |
dictionnaire | fraction d’échantillonnage pour chaque strate. Si une couche n’est pas spécifiée, nous traitons sa fraction comme zéro. |
seed |
int, facultatif | valeur initiale aléatoire. |
Retours
Un nouveau DataFrame qui représente l’exemple stratifié.
Exemples
from pyspark.sql import functions as sf
dataset = spark.range(0, 100, 1, 5).select((sf.col("id") % 3).alias("key"))
sampled = dataset.sampleBy("key", fractions={0: 0.1, 1: 0.2}, seed=0)
sampled.groupBy("key").count().orderBy("key").show()
# +---+-----+
# |key|count|
# +---+-----+
# | 0| 4|
# | 1| 9|
# +---+-----+
dataset.sampleBy(sf.col("key"), fractions={2: 1.0}, seed=0).count()
# 33