根据每个层中给出的分数返回分层样本，而不用替换。
Syntax
sampleBy(col: "ColumnOrName", fractions: Dict[Any, float], seed: Optional[int] = None)
参数
| 参数 | 类型 | 说明 |
|---|---|---|
col |
列或 str | 定义层的列。 |
fractions |
dict | 每个层的采样分数。 如果未指定层，我们将其分数视为零。 |
seed |
int，可选 | 随机种子。 |
退货
表示分层示例的新 DataFrame。
示例
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