python计算结果传给spark_如何将DataFrame作为输入传递给Spark UDF？

我有一个数据帧，我想对每一行应用一个函数。此函数依赖于其他数据帧。在

简化示例。我有三个数据帧，如下所示：df = sc.parallelize([

['a', 'b', 1],

['c', 'd', 3]

]).toDF(('feat1', 'feat2', 'value'))

df_other_1 = sc.parallelize([

['a', 0, 1, 0.0],

['a', 1, 3, 0.1],

['a', 3, 10, 1.0],

['c', 0, 10, 0.2],

['c', 10, 25, 0.5]

]).toDF(('feat1', 'lower', 'upper', 'score'))

df_other_2 = sc.parallelize([

['b', 0, 4, 0.1],

['b', 4, 20, 0.5],

['b', 20, 30, 1.0],

['d', 0, 5, 0.05],

['d', 5, 22, 0.9]

]).toDF(('feat1', 'lower', 'upper', 'score'))

对于df的每一行，我想从df_other_1和{}收集{}和{}的唯一上限值，即对于第一行，唯一值是(1、3、10、4、