scala随机划分及随机采样

本文介绍了在ApacheSpark中如何使用randomSplit进行数据随机划分,支持非整数比例;展示了如何进行有/无放回的随机采样,以及如何使用sample方法和shuffle函数实现数据重新洗牌。
摘要由CSDN通过智能技术生成

随机划分及随机采样

  • 随机划分
  • 随机采样
  • 重新洗牌

随机划分

df.randomSplit(Array(0.8,0.2),1115)

df.randomSplit(Array(0.8,0.2),1115(0).count

df.randomSplit(Array(0.8,0.2),1115)(0).toDF.show//第一份转成DF,没有(0)不行

df.randomSplit(Array(0.01,0.9,0.09),1115)(0).toDF.count//可以分成多份,不一定是总和为1,最后的划分是array里面各个数的比例。比如Array(6,2,2)会分成0.6,0.2,0.2的三份

随机采样

val seed = 1115val withreplacement = false //是否有放回

val fraction = 0.2 //抽样比例

df.sample(withreplacement,fraction,seed).showdf.sample(withreplacement,fraction,seed).count

df.sample(false,0.001,seed).showdf.sample(false,0.001,seed).select("bat_batch").distinct.show

重新洗牌

df.shuffle
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值