PySpark转SQL：多分组条件CASE WHEN语句语法错误排查

你的转换错误核心在于把PySpark的contains方法错误对应成了SQL的IN操作符，这是两种完全不同的逻辑：

• PySpark的col.contains("xxx")是模糊匹配字符串中是否包含子串，对应SQL的LIKE '%xxx%'
• SQL的IN是用来匹配固定值集合（比如IN ('val1','val2')），不能用来做子串模糊匹配

另外~contains对应的是NOT LIKE '%xxx%'，而非NOT IN 'xxx'。

修正后的SQL语句 #

CASE
    WHEN (tCounts = 3 AND Type1 LIKE '%pizza%') AND (Type1 NOT LIKE '%singleside%' OR Type1 NOT LIKE '%side%') THEN 2
    WHEN (tCounts = 3 AND Type1 LIKE '%pizza%') AND (Type1 LIKE '%singleside%' OR Type1 LIKE '%side%') THEN 1
END AS portalcount

可选优化：简化重复条件 #

因为两个WHEN分支都包含tCounts = 3 AND Type1 LIKE '%pizza%'，可以把这部分条件提出来，用嵌套CASE提升可读性，不需要额外调整括号分组：

CASE
    WHEN tCounts = 3 AND Type1 LIKE '%pizza%' THEN
        CASE
            WHEN Type1 NOT LIKE '%singleside%' OR Type1 NOT LIKE '%side%' THEN 2
            ELSE 1
        END
END AS portalcount

内容的提问来源于stack exchange，提问作者tamarajqawasmeh