我必须连接两个表并在table1中保持col3,如果table1中没有数据但是在table2中存在,则可以将其作为原样。
表1
col1 col2 col3
,,,, ,,,, ,,,,
a p d
b q e
c r f
d s g
表2
col1 col2 col3
,,,, ,,,, ,,,,
a m s
e q l
必需的输出
col1 col2 col3
,,,, ,,,, ,,,,
a m d
b q e
c r f
d s g
e q l
我尝试了以下代码
import org.apache.spark.sql.{Row, SQLContext}
import org.apache.spark.{SparkConf, SparkContext}
object Tasktr {
def main(args: Array[String]): Unit = {
val sparkConf = new SparkConf().setAppName("Myapp").setMaster("local[2]")
val sc = new SparkContext(sparkConf)
val sqlContext = new SQLContext(sc)
val df1 = sqlContext.read.format("com.databricks.spark.csv").option("header", "true").load("/home/magnetto/Desktop/ip.csv")
val df2= sqlContext.read.format("com.databricks.spark.csv").option("header", "true").load("/home/magnetto/Desktop/del.csv")
df1.registerTempTable("tab1")
df2.registerTempTable("tab2")
val df3=sqlContext.sql("select * from tab1 FULL OUTER JOIN tab2 ON tab1.val1=tab2.val1").show()
我得到了以下输出
val1|val2|val3|val1|val2|val3|
+----+----+----+----+----+----+
| k1| l1| a|null|null|null|
| k2| l2| b|null|null|null|
| k3| l3| c|null|null|null|
| k4| l4| d| k4| l4| e|
|null|null|null| k5| l9| f|
+----+----+----+----+----+----+
我已尝试在两个表上进行完全外连接,但无法获得理想的输出。
答案 0 :(得分:0)
将数据帧设为
表1
+----+----+----+
|col1|col2|col3|
+----+----+----+
|a |p |d |
|b |q |e |
|c |r |f |
|d |s |g |
+----+----+----+
和
表2
+----+----+----+
|col1|col2|col3|
+----+----+----+
|a |m |s |
|e |q |l |
+----+----+----+
通过执行以下操作,您可以获得所需的结果。重命名是为了避免在join
val tempTable2 = table2.select('col1, 'col2.as("col22"), 'col3.as("col23"))
import org.apache.spark.sql.functions._
table1.join(tempTable2, Seq("col1"), "outer")
.withColumn("col2", when('col22.isNotNull, 'col22).otherwise('col2))
.withColumn("col3", when('col3.isNull, 'col23).otherwise('col3))
.drop("col22", "col23")
将为您提供结果
+----+----+----+
|col1|col2|col3|
+----+----+----+
|e |q |l |
|d |s |g |
|c |r |f |
|b |q |e |
|a |m |d |
+----+----+----+