pyspark dataframe左连接并添加具有恒定vlue的新列

问题描述

我想加入两个带有条件的pyspark数据框，并添加一个新列。

df1 = spark.createDataFrame(
     [(2010,1,'rdc','bdvs'),(2010,'yybp'),(2007,6,'utw','itcs'),'tbsw')
     ],("year","month","u_id","p_id"))

df2 = spark.createDataFrame(
     [(2010,'itcs')
     ],"p_id"))

df1

 year month u_id p_id
 2010 1     rdc  bdvs
 2010 1     rdc  yybp
 2007 6     utw  ircs
 2007 6     utw  tbsw

df2

 year month u_id p_id
 2010 1     rdc  bdvs
 2007 6     utw  ircs
 

我需要的新df：

 year month u_id p_id  is_true
 2010 1     rdc  bdvs     1
 2010 1     rdc  yybp     0
 2007 6     utw  ircs     1  
 2007 6     utw  tbsw     0

我的python3代码：

 import pyspark.sql.functions as F
 t =df1.join(df2,(df1.year==df2.year) & (df1.month==df2.month) & (df1.u_id==df2.u_id),how='left').withColumn('is_true',F.when(df1.p_id==df2.p_id,F.lit(1)).otherWise(F.lit(0)))

我遇到错误：

 TypeError: 'Column' object is not callable

我尝试了一些解决方案，但没有一个起作用。

我想念什么吗？我尝试根据某些条件将常量添加为新的列值。

谢谢

解决方法

将otherWise更改为 otherwise 。

Example:

t =df1.alias("df1").join(df2.alias("df2"),(df1.year==df2.year) & (df1.month==df2.month) & (df1.u_id==df2.u_id),how='left').\
withColumn('is_true',F.when(df1.p_id == df2.p_id,F.lit(1)).otherwise(F.lit(0))).select("df1.*","is_true")

t.show()
#+----+-----+----+----+-------+
#|year|month|u_id|p_id|is_true|
#+----+-----+----+----+-------+
#|2007|    6| utw|itcs|      1|
#|2007|    6| utw|tbsw|      0|
#|2010|    1| rdc|bdvs|      1|
#|2010|    1| rdc|yybp|      0|
#+----+-----+----+----+-------+

不使用when statement的另一种方法是使用 left_semi,left_anti 。

from pyspark.sql.functions import *

columns=df1.columns

df1.\
join(df2,columns,'left_anti').\
withColumn("is_true",lit(1)).\
unionAll(df1.\
join(df2,'left_semi').\
withColumn("is_true",lit(0))).\
show()
#+----+-----+----+----+-------+
#|year|month|u_id|p_id|is_true|
#+----+-----+----+----+-------+
#|2010|    1| rdc|yybp|      1|
#|2007|    6| utw|tbsw|      1|
#|2007|    6| utw|itcs|      0|
#|2010|    1| rdc|bdvs|      0|
#+----+-----+----+----+-------+