标签： apache-spark pyspark sampling spark-dataframe
我有数据，每个键都有X行（在这种情况下，它是一个用户）。 X是可变的（例如，我有用户1的1000行/数据点和用户2的50个数据点 - 数据点通常按时间戳排列）。对于每个键（每个用户），从数据中获取N个随机行的最佳方法是什么？我相信使用samplebykey可以工作，如果我有一个分数但我需要每个键N个随机行。
此外，如果密钥少于N行，将返回什么？