当我使用Pyspark对spark数据帧执行联接时，我得到了这个奇怪的结果。
我有一个数据框df1，其中
print(df1.count())给出
116066151
print(df2.count())给出
9418101
我像这样执行连接：
df3 = df1.join(df2, on=['SEQ_ID'], how='inner')
在两个数据帧中，SEQ_ID是公用的。
但是当我进行计数时
print(df3.count())给出的行数为
2950342258那就是30亿行！ 我不是SQL专家，但我假设您进行联接时，联接表中的行数将等于或小于最大联接表中的行数。我阅读了pyspark的join子句，但未提及此内容。 我想念什么吗？ 任何见识将不胜感激！ 谢谢