Python randomSplit是否返回原始rdd的副本或引用？

假设我有下面的代码

for idx in xrange(0, 10):
    train_test_split = training.randomSplit(weights=[0.75, 0.25])
    train_cv = train_test_split[0]
    test_cv = train_test_split[1]
    # scale train_cv and test_cv

通过缩放

train\u cv

和

test\u cv

，原始数据会受到影响吗？

RDD是不可变的。 因此，实际上不可能只对RDD进行“更改”转换。

---

因此，不，原始数据不会受到影响。

如果我们多次调用train_cv上的操作（请注意，未缓存培训），train_cv是否每次都会不同？@lavmudgal RDD会根据其依赖性DAG进行评估。如果实际数据源发生更改，则可能会看到不同的结果。这是一个“断章取义”的答案。我建议你根据自己的具体情况提出一个新问题。