Python Pyspark-如何标记采样数据帧的部分？

我采集了一个原始数据帧的样本，它提供了大约200000条记录。我想对样品进行标记，使其有三部分标记的记录。1/3的记录标记为

sample\u metric\u 1

，另1/3的记录标记为

sample\u metric\u 2

，其余记录标记为

sample\u metric\u 3

sample_df = original_df.sample(False, .09, 5)

一种方法是将

.withColumn（）

应用于数据帧的各个部分。但不确定如何从样本中正确提取所需的数据子集

---

或者这里有更好的方法？

您可以将一个

单调递增的\u id

分配给数据帧，然后将mod 3 wrt分配给它并将其分配给另一列。这将为您提供所需的三个子集。只需选择mod值。