根据另一列的值过滤数据框列[重复]

Posted 2023-04-15

【中文标题】根据另一列的值过滤数据框列[重复]

【英文标题】：Filter A Dataframe Column based on the the values of another column [duplicate]

【发布时间】：2018-07-16 13:16:50

【问题描述】：

假设我有两个数据框，

   **A**                   **B**

| a | b | c |                |a|

| 1 | 2 | 3 |                |1|

我想根据数据集B的a列中的值过滤数据框A的内容。SQL中等效的where子句是这样的

WHERE NOT (A.a in (select a from B)

我怎样才能做到这一点？

【问题讨论】：

抱歉，我找不到那个欺骗目标。

【参考方案1】：

要保留左侧表中右侧匹配的所有行，您可以使用leftsemi 连接。在这种情况下，您只想在右表中不匹配时保留值，在这种情况下，您可以使用leftanti 连接：

df = spark.createDataFrame([(1,2,3),(2,3,4)], ["a","b","c"])
df2 = spark.createDataFrame([(1,2)], ["a","b"])

df.join(df2,'a','leftanti').show()

df

+---+---+---+
|  a|  b|  c|
+---+---+---+
|  1|  2|  3|
|  2|  3|  4|
+---+---+---+

df2

+---+---+
|  a|  b|
+---+---+
|  1|  2|
+---+---+

结果

+---+---+---+
|  a|  b|  c|
+---+---+---+
|  2|  3|  4|
+---+---+---+

希望这会有所帮助！