如何在 Pyspark 中对数据框进行过采样？

Question

如何在 pyspark 中对数据帧进行过采样？

df.sample(fractions, seed)

仅对 df 的一小部分进行采样，不能过采样。

Answer 1

您可以使用sample method 进行过度采样，如下所示：

df.sample(withReplacement=True, total_percent_of_upsample, seed)

sample(withReplacement, fraction, seed=None)

True 表示您要进行替换采样。