似乎这个问题问了几次,但是先前问题中提出的解决方案对我不起作用。
我有两个尺寸不同的数据框,如下图所示。表2 second
是表first
的一部分,但是在对其进行了一些处理之后,我又添加了一个列column4
。现在,我想联接这两个表,以便联接后有三个表Required
。
尝试过的事情。
所以我做了几个不同的解决方案,但是没人适合我。
我尝试了
val required =first.join(second, first("PDE_HDR_CMS_RCD_NUM") === second("PDE_HDR_CMS_RCD_NUM") , "left_outer")
我也尝试过
val required = first.withColumn("SEQ", when(second.col("PDE_HDR_FILE_ID") === (first.col("PDE_HDR_FILE_ID").alias("PDE_HDR_FILE_ID1")), second.col("uniqueID")).otherwise(lit(0)))
在第二次尝试中,我遇到一个错误
时使用.alias
提取过程中发生错误。错误: org.apache.spark.sql.AnalysisException:已解决的缺少的属性uniqueID#775L。
感谢您抽出时间阅读我的问题
答案 0 :(得分:1)
要生成所需结果,应将第一个表中行标识的列中的两个表连接起来。假设c1 + c2 + c3
唯一标识第一张表中的每一行,下面是使用部分示例数据的示例:
import org.apache.spark.sql.functions._
import spark.implicits._
val df1 = Seq(
(1, "e", "o"),
(4, "d", "t"),
(3, "f", "e"),
(2, "r", "r"),
(6, "y", "f"),
(5, "t", "g"),
(1, "g", "h"),
(4, "f", "j"),
(6, "d", "k"),
(7, "s", "o")
).toDF("c1", "c2", "c3")
val df2 = Seq(
(3, "f", "e", 444),
(5, "t", "g", 555),
(7, "s", "o", 666)
).toDF("c1", "c2", "c3", "c4")
df1.join(df2, Seq("c1", "c2", "c3"), "left_outer").show
// +---+---+---+----+
// | c1| c2| c3| c4|
// +---+---+---+----+
// | 1| e| o|null|
// | 4| d| t|null|
// | 3| f| e| 444|
// | 2| r| r|null|
// | 6| y| f|null|
// | 5| t| g| 555|
// | 1| g| h|null|
// | 4| f| j|null|
// | 6| d| k|null|
// | 7| s| o| 666|
// +---+---+---+----+