“这是怎么回事？”；“散列”；在Pyspark中将数据集拆分为ML训练集和测试集时使用的函数？

我正在学习如何在Pyspark中应用ML的教程。特别是，本教程从名为

iris\u dataset

的数据集开始，该数据集有150行，每行代表一种类型的花。数据集的一列是

id

，它按从1到150的顺序列出行。数据的其余列不影响此问题的目的

为了执行ML，该数据集将进行80/20%的训练测试分割（即80%的训练数据，20%的测试数据）

为了保证可再现的培训/测试分割，tutorial maker使用以下代码生成培训数据（

training\u data

）：

我一直在为这段代码的运行方式苦苦挣扎，因此我想问几个问题：

pmod

做什么

hash（id）

做什么

在每个代码块的末尾，

<80

和

=80

做什么

多谢各位， 马里奥安扎

def training_data(iris_dataset):
   return iris_dataset.filter("pmod(hash(id), 100) < 80")

def testing_data(iris_dataset):
   return iris_dataset.filter("pmod(hash(id), 100) >= 80")