我正在使用pyspark，我对外连接有这个问题。基本上，如果我使用列名列表作为＆＃39; ON＆＃39;条件，连接的结果是内连接，无论我是否指定了＆＃39; outer_left＆＃39;选项。如果不是列名列表，问题就会消失，我指定完全相等（即df1.id == df2.id）。
换句话说：
testDf = sc.parallelize([['a', 1], ['b', 1]]).toDF(['id', 'val1'])
testDf2 = sc.parallelize([['a', 2]]).toDF(['id', 'val2'])
cond = [testDf.id == testDf2.id]
testDf.join(testDf2, cond, how='left_outer').collect()
将返回右侧左外连接：
[Row(id=u'a', val1=1, id=u'a', val2=2),Row(id=u'b', val1=1, id=None, val2=None)]
但如果我使用
testDf.join(testDf2, 'id', how='left_outer').collect()
它将返回内连接
[Row(id=u'a', val1=1, val2=2)]