我有一个由两个Dataframe
s:df1
和df2
连接到df3
的Dataframe
。在df2
中找到的所有列也在df1
中,但它们的内容不同。我想从连接中删除所有df1
列,这些列的名称df2.columns
。有没有办法在不使用变量的情况下做到这一点?目前我已经这样做了
var ret = df3
df2.columns.foreach(coln => ret = ret.drop(df2(coln)))
但我真正想要的只是一个捷径
df3.drop(df1(df2.columns(1))).drop(df1(df2.columns(2)))....
不使用变量。
传递列列表不是一种选择,不知道是否因为我使用的是 spark 2.2
编辑:
重要提示:我事先不知道df1
和df2
的列
这可以在执行联接本身时实现。请尝试以下代码
val resultDf=df1.alias("frstdf").join(broadcast(df2).alias("scndf"), $"frstdf.col1" === $"scndf.col1", "left_outer").selectExpr("scndf.col1","scndf.col2"...)//.selectExpr("scndf.*")
这将仅包含第二个数据框中的列。希望这有帮助
快捷方式是:
val ret = df2.columns.foldLeft(df3)((acc,coln) => acc.drop(df2(coln)))
我建议在连接之前删除列。或者,仅选择 df3 中来自 df2 的列:
val ret = df3.select(df2.columns.map(col):_*)