repartitionById

Returnerar en ny DataFrame som partitionerats av de angivna partitioneringsuttrycken. Den resulterande DataFrame partitioneras efter kolumnidentifierare.

Syntax

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

Parameters

Retur

DataFrame: Ompartitionerad DataFrame.

Notes

Minst ett partition-by-uttryck måste anges. Detta liknar ompartition i distributionen, men bevarar ordningen på raderna i varje partition.

Det här är ett experimentellt API.

Exempel

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