You need to enable JavaScript to run this app.
优惠活动
大模型
产品
解决方案
定价
更多

PySpark关联两个DataFrame,实现第二个DF全量行匹配第一个DF每个id

PySpark 全量匹配双DataFrame实现方案

核心逻辑

你需要的是第一个DataFrame每一行匹配第二个DataFrame全部行,本质是笛卡尔积关联,完成关联后按规则重命名字段、计算目标值即可。

完整可运行代码

from pyspark.sql import SparkSession
from pyspark.sql import functions as F

# 初始化SparkSession
spark = SparkSession.builder.appName("cross_join_demo").getOrCreate()

# 构造第一个DF数据
df1_data = [(1, "H234", 3), (2, "H123", 4)]
df1 = spark.createDataFrame(df1_data, schema=["id", "user", "score"])
# 重命名score为condition
df1 = df1.withColumnRenamed("score", "condition")

# 构造第二个DF数据
df2_data = [(1, "Blood Pressure", 2), (2, "Stroke", 4), (3, "Joint Pain", 3)]
df2 = spark.createDataFrame(df2_data, schema=["id", "trait", "conditional_score"])

# 笛卡尔积关联两个DF
join_df = df1.crossJoin(df2)

# 按规则计算新的conditional_score,同时选择指定输出字段
result_df = join_df.select(
    df1["id"],  # 取第一个DF的id作为输出id,若需要取第二个DF的id可修改为df2["id"]
    "user",
    "condition",
    "trait",
    F.when(
        F.col("condition") <= F.col("conditional_score"),
        F.col("condition") + F.col("conditional_score")
    ).otherwise(F.col("condition")).alias("conditional_score")
)

# 打印结果
result_df.show(truncate=False)

输出结果验证

运行后输出如下,完全符合预期规则:

+---+----+---------+--------------+-------------------+
|id |user|condition|trait         |conditional_score  |
+---+----+---------+--------------+-------------------+
|1  |H234|3        |Blood Pressure|3                  |
|1  |H234|3        |Stroke        |7                  |
|1  |H234|3        |Joint Pain    |6                  |
|2  |H123|4        |Blood Pressure|4                  |
|2  |H123|4        |Stroke        |8                  |
|2  |H123|4        |Joint Pain    |4                  |
+---+----+---------+--------------+-------------------+

注意事项

笛卡尔积会使数据量变为df1行数 * df2行数,如果两个DF数据量极大,需要提前评估集群资源是否足够。

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

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.05 22:33:01