栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 面试经验 > 面试问答

多个连续加入pyspark

面试问答 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

多个连续加入pyspark

您可以使用等参:

 minTime.join(maxTime, ["UserId"]).join(sumTime, ["UserId"])

别名:

minTime.alias("minTime").join(    maxTime.alias("maxTime"),     col("minTime.UserId") == col("maxTime.UserId"))

或引用父表:

(minTime  .join(maxTime, minTime["UserId"] == maxTime["UserId"])  .join(sumTime, minTime["UserId"] == sumTime["UserId"]))

另外,您引用的是

RDD
文档,而不是文档
Dataframe
。这些是不同的数据结构,并且操作方式不同。

而且看起来您在这里做的事情很奇怪。假设您有一个父表

min
max
并且
sum
可以将其计算为简单的聚合而没有
join



转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/637124.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号