repartitionById

Retorna um novo DataFrame particionado pelas expressões de particionamento fornecidas. O DataFrame resultante é particionado pelo identificador de coluna.

Sintaxe

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

Parâmetros

Devoluções

DataFrame: DataFrame repartitioned.

Observações

Pelo menos uma expressão particionada deve ser especificada. Isso é semelhante à repartição na distribuição, mas preserva a ordenação das linhas em 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|
# +---+-----+--------------------+