求与Pandas df.loc[0:1]等效的Apache Spark DataFrame行过滤方法

现有一个Apache Spark DataFrame df，示例数据如下：

ColumnA ColumnB
10        A
20        B
30        C

请问与Pandas中执行行过滤的代码df = df.loc[0:1]（执行后输出如下）等效的Spark实现代码是什么？

ColumnA ColumnB
10        A
20        B 

Spark本身没有Pandas那样的原生行索引（分布式架构下索引的意义不大），要实现和df.loc[0:1]取前两行的效果，有两种常用实现方式：

• 直接取前N行：用limit()方法，这是最简洁的方式，直接返回DataFrame的前2行：

  df = df.limit(2)
  

  注意：如果没有指定数据排序规则，Spark不保证返回行的固定顺序，仅返回当前分区下的前2行。

• 按行号范围过滤：如果需要严格模拟Pandas按行索引过滤的逻辑（支持任意行号范围），可以先给数据添加自增行号，再过滤：

  from pyspark.sql.window import Window
  from pyspark.sql.functions import row_number
  
  # 定义窗口规则，指定排序字段（这里用ColumnA排序来匹配示例数据的行顺序）
  window_spec = Window.orderBy("ColumnA")
  # 添加自增行号列
  df_with_row_num = df.withColumn("row_num", row_number().over(window_spec))
  
  # 过滤行号≤2的行，最后删除行号列
  df = df_with_row_num.filter(df_with_row_num.row_num <= 2).drop("row_num")
  

  这种方式通过指定排序规则，能确保返回的行顺序和示例数据完全一致，更贴合Pandas代码的逻辑。

内容的提问来源于stack exchange，提问作者PV8