join连接

超、凢脫俗 2022-12-12 15:30 116阅读 0赞

单个字段链接：

df.join(df2,"user").show()
    
    输出为：
    +----+---+----+--------------------+---+
    |user| id|type|           visittime|sex|
    +----+---+----+--------------------+---+
    |   1|  1| 助手1|2017-08-10 13:44:...|  男|
    |   1|  2|APP1|2017-08-04 13:44:...|  男|
    |   1| 11|APP1|2017-07-15 13:45:...|  男|
    |   1| 12| 助手2|2017-07-07 13:45:...|  男|
    |   2|  3| 助手1|2017-08-05 13:44:...|  女|
    |   2|  4| 助手1|2017-08-07 13:44:...|  女|
    |   2|  9|APP2|2017-08-11 13:44:...|  女|
    |   2| 10| 助手1|2017-07-14 13:44:...|  女|
    +----+---+----+--------------------+---+

多个字段链接：

using形式：df.join(df2,Seq("id","user"))  //因为类似于a join b using column1的形式
    column类型：df.join(df2,df("user")===df2("user"))
    
    
    使用外连接：df.join(df2,df("user")===df2("user"),"outer").show()
    输出：
    
    +----+----+----+--------------------+----+----+
    |  id|user|type|           visittime|user| sex|
    +----+----+----+--------------------+----+----+
    |   1|   1| 助手1|2017-08-10 13:44:...|   1|   男|
    |   2|   1|APP1|2017-08-04 13:44:...|   1|   男|
    |  11|   1|APP1|2017-07-15 13:45:...|   1|   男|
    |  12|   1| 助手2|2017-07-07 13:45:...|   1|   男|
    |   5|   3|APP1|2017-08-02 13:44:...|null|null|
    |   6|   3|APP1|2017-08-01 13:44:...|null|null|
    |   7|   3| 助手2|2017-08-14 13:44:...|null|null|
    |   8|   3|APP2|2017-08-03 13:44:...|null|null|
    |   3|   2| 助手1|2017-08-05 13:44:...|   2|   女|
    |   4|   2| 助手1|2017-08-07 13:44:...|   2|   女|
    |   9|   2|APP2|2017-08-11 13:44:...|   2|   女|
    |  10|   2| 助手1|2017-07-14 13:44:...|   2|   女|
    |null|null|null|                null|   5|   男|
    +----+----+----+--------------------+----+----+

我们可以看到，默认的链接方式是内链接，当然我们已可以使用其他的方式，通过第三个参数来指定。我们可以指定的类型有inner, outer, left\_outer, right\_outer, leftsemi类型,不过只有using形式指定两个及以上字段以及使用Column类型来链接的时候可以指定链接方式。

比如下面的方式是错误的:df.join(df2,"user","outer").show()