Question

我有两个数据框，如下所示。如果有人买东西，我们也可以推荐类似的产品。

df1列出了每个人购买的物品。 df2推荐了附加产品。例如，“ Gopu”购买面包，那么我必须推荐“黄油”和“果酱”

如果没有添加的产品项（来自df2），则它不需要出现在输出中。对于（例如）“ Gopu”购买了“饼干”项目，但没有df2推荐的附加项目。因此，它不会出现在输出表中。谢谢

靠左的简单df1.df2加入对我不起作用。

df1:
name  product
Gopu  biscuit
Gopu  bun
Gopu  ink
Aish  ball
Aish  doll
Aish  bun
Aish  ink
Colin bun
Colin handsanitize
Colin paper

df2:
product added-product 
bun     butter
bun     jam
ink     cloth
ink     bib
paper   pen
doll    barbie

预期输出：

Name    added-product
Gopu    butter
Gopu    jam
Gopu    cloth
Gopu    bib
Aish    barbie
Aish    butter
Aish    jam
Aish    cloth
Aish    bib
Colin    butter
Colin    jam
Colin    pen

谢谢。

Answer 1

dfnew=df1.join(df2,(df1.product==df2.product),"cross").select('name','added-product').orderBy('name')

dfnew.show()
+-----+-------------+
| name|added-product|
+-----+-------------+
| Aish|       butter|
| Aish|          jam|
| Aish|        cloth|
| Aish|          bib|
| Aish|       barbie|
|Colin|          jam|
|Colin|          pen|
|Colin|       butter|
| Gopu|       butter|
| Gopu|        cloth|
| Gopu|          jam|
| Gopu|          bib|
+-----+-------------+

pyspark将两个数据框与添加的项/条件合并

1 个答案: