Apache Spark示例函数无法按预期工作

Question

我正在尝试获取数据集的精确样本，但我不明白为什么种子和分数以它们的方式相互作用。

使用Spark 2.3.0文档：

sample(withReplacement=None, fraction=None, seed=None)

原始数据集：

+---+----------+----------+-----+
| id|      name|      test|score|
+---+----------+----------+-----+
|  1|Chun      |SQL       |   75|
|  2|Chun      |Tuning    |   73|
|  3|Esben     |SQL       |   43|
|  4|Esben     |Tuning    |   31|
|  5|Kaolin    |SQL       |   56|
|  6|Kaolin    |Tuning    |   88|
|  7|Tatiana   |SQL       |   87|
|  8|Tatiana   |Tuning    |   83|
+---+----------+----------+-----+

df_sample = df.sample(False, 0.5, 111)
df_sample.show()

输出：

+---+----------+----------+-----+
| id|      name|      test|score|
+---+----------+----------+-----+
|  1|Chun      |SQL       |   75|
|  2|Chun      |Tuning    |   73|
|  4|Esben     |Tuning    |   31|
|  5|Kaolin    |SQL       |   56|
|  6|Kaolin    |Tuning    |   88|
+---+----------+----------+-----+

预期的输出应始终产生4的样本大小，但是由于某种原因，当我更改种子（在这种情况下为111）时，样本大小也会发生变化。谁能确切解释“分数”和“种子”的作用，以及为什么会这样？这是一个示例：

df_sample = df.sample(False, 0.5, 45)  
df_sample.show()  

输出：

+---+----------+----------+-----+
| id|      name|      test|score|
+---+----------+----------+-----+
|  1|Chun      |SQL       |   75|
|  3|Esben     |SQL       |   43|
|  8|Tatiana   |Tuning    |   83|
+---+----------+----------+-----+