Question

此Apache Spark（pyspark）问题需要一些帮助。

我有一个dataFrame（df1），它具有单列和单行，其中包含max_timestamp

+------------------+ |max_timestamp | +-------------------+ |2019-10-24 21:18:26| +-------------------+

我还有另一个DataFrame，其中包含2列-EmpId和时间戳

masterData = [(1, '1999-10-24 21:18:23',), (1, '2019-10-24 21:18:26',), (2, '2020-01-24 21:18:26',)]
df_masterdata = spark.createDataFrame(masterData, ['dsid', 'txnTime_str'])
df_masterdata = df_masterdata.withColumn('txnTime_ts', col('txnTime_str').cast(TimestampType())).drop('txnTime_str')

df_masterdata.show(5, False)

+----+-------------------+
|dsid|txnTime_ts         |
+----+-------------------+
|1   |1999-10-24 21:18:23|
|1   |2019-10-24 21:18:26|
|2   |2020-01-24 21:18:26|
+----+-------------------+

对象用于根据条件txnTime_ts 过滤第二个数据框中的记录

我要做什么->将“ max_timestamp”列添加到第二个DataFrame中，并通过比较两个值来过滤记录。

df_masterdata1 = df_masterdata.withColumn('maxTime', maxTS2['TEMP_MAX'])

Pyspark不允许我将maxTS2中的列添加到dataFrame-df_masterdata

错误-

AnalysisException: 'Resolved attribute(s) TEMP_MAX#207255 missing from dsid#207263L,txnTime_ts#207267 in operator
!Project [dsid#207263L, txnTime_ts#207267, TEMP_MAX#207255 AS maxTime#207280].;;\n!Project [dsid#207263L,
txnTime_ts#207267, TEMP_MAX#207255 AS maxTime#207280]\n+- Project [dsid#207263L, txnTime_ts#207267]\n   +- Project
[dsid#207263L, txnTime_str#207264, cast(txnTime_str#207264 as timestamp) AS txnTime_ts#207267]\n      +- LogicalRDD
[dsid#207263L, txnTime_str#207264], false\n'

关于如何解决此问题的任何想法？感谢您的帮助。

Answer 1

如果您实际上有一个具有单个行/列的DF，则完成此操作的最有效方法是从数据帧中提取值，然后针对它过滤confusion_matrix(y_test, y_pred)。但是，如果您仍然需要在数据框的上下文中执行此操作，则应该使用df_masterdata，例如：

join

pyspark-将列从dataframe（df1）添加到另一个dataframe（df2）

1 个答案: