pyspark join用法总结

DSL(Domain-Specific Language)形式

join(self, other, on=None, how=None)

join() operation takes parameters as below and returns DataFrame.

  • param other: Right side of the join
  • param on: a string for the join column name
  • param how: default inner. Must be one of inner, cross, outer,full, full_outer, left, left_outer, right, right_outer,left_semi, and left_anti.

inner, full, left, right, left semi, left anti, self join

inner join是默认方式

A.join(B,A.emp_dept_id ==  B.dept_id,"inner").show()

full join

# 以下三者等价
empDF.join(deptDF,empDF.emp_dept_id ==  deptDF.dept_id,"outer").show()
empDF.join(deptDF,empDF.emp_dept_id ==  deptDF.dept_id,"full").show()
empDF.join(deptDF,empDF.emp_dept_id ==  deptDF.dept_id,"fullouter").show()

left join

# 以下等价
empDF.join(deptDF,empDF("emp_dept_id") ==  deptDF("dept_id"),"left").show()
empDF.join(deptDF,empDF("emp_dept_id") ==  deptDF("dept_id"),"leftouter").show()

right join

# 以下等价
empDF.join(deptDF,empDF.emp_dept_id ==  deptDF.dept_id,"right").show()
empDF.join(deptDF,empDF.emp_dept_id ==  deptDF.dept_id,"rightouter").show()

left semi join

left semi join就是left join后右表的所有都抛弃

empDF.join(deptDF,empDF.emp_dept_id ==  deptDF.dept_id,"leftsemi").show()

left anti join

left anti join就是表A left join表B后,没有配上的部分右表的所有都抛弃

left semi join就是表A left join表B后,配上的部分右表的所有都抛弃

empDF.join(deptDF,empDF.emp_dept_id ==  deptDF.dept_id,"leftanti").show()

self join

empDF.alias("emp1").join(empDF.alias("emp2"), \
    col("emp1.superior_emp_id") == col("emp2.emp_id"),"inner") \
    .select(col("emp1.emp_id"),col("emp1.name"), \
      col("emp2.emp_id").alias("superior_emp_id"), \
      col("emp2.name").alias("superior_emp_name")) \
   .show()

多表join

df1.join(df2,df1.id1 == df2.id2,"inner").join(df3,df1.id1 == df3.id3,"inner")

关联条件多个的join

df1和df2都有name,country,gender,id列,两表关联,以下两种形式等价

df1.join(df2, on=['name','country','gender','id'])
df= df1.join(df2, (df1.name == df2.name) & (df1.country == df2.country) & (df1.gender== df2.gender) & (df1.id== df2.id), 'inner')

sql形式

empDF.createOrReplaceTempView("EMP")
deptDF.createOrReplaceTempView("DEPT")

joinDF = spark.sql("select * from EMP e, DEPT d where e.emp_dept_id = d.dept_id").show(truncate=False)

joinDF2 = spark.sql("select * from EMP e INNER JOIN DEPT d ON e.emp_dept_id = d.dept_id").show(truncate=False)

参考文献

PySpark Join Types | Join Two DataFrames

  • 0
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值