同时我自己也找到了解决办法：

for i in range(1, max_nr_of_tickets):
    table = table.filter(F.col('nr_tickets') >= 1).union(test)
    table = table.withColumn('nr_tickets', F.col('nr_tickets') - 1)

说明：dfs“table”和“test”在开头是相同的。所以“最大票数”就是最高的“票数”。它起作用了。我只是在纠结于最大数字的格式：

max_nr_of_tickets = df.select(F.max('nr_tickets')).collect()

我不能在for循环的范围内使用结果，因为它是一个列表。所以我手动输入最高的数字。你知道我怎样才能把最大票数转换成正确的格式，这样循环范围就可以接受吗？
谢谢

为了 Spark2.4+ ，使用 array_repeat 与 explode .

from pyspark.sql import functions as F

df.selectExpr("""explode(array_repeat(customer,cast(nr_tickets as int))) as customer""").show()

# +--------+

# |customer|

# +--------+

# |       A|

# |       A|

# |       A|

# |       B|

# |       C|

# |       C|

# +--------+

您可以通过对行（组）进行迭代来创建新的Dataframe。
第一个列有 customer ( Row(customer=a["customer"]) )重复 nr_tickets 客户使用的次数 range(int(a["nr_tickets"])) ```
df_list + [Row(customer=a["customer"]) for T in range(int(a["nr_tickets"]))]

您可以将这些数据存储并附加到一个列表中，然后用它生成一个Dataframe。

df= spark.createDataFrame(df_list)

总的来说，

from pyspark.sql import Row

df_list = []
for a in df.select(["customer","nr_tickets"]).collect():
df_list = df_list + [Row(customer=a["customer"]) for T in range(int(a["nr_tickets"]))]
df= spark.createDataFrame(df_list)
df.show()

你也可以用列表理解来做

from pyspark.sql import Row
from functools import reduce #python 3

df_list = [
[Row(customer=a["customer"])]*int(a["nr_tickets"])
for a in df.select(["customer","nr_tickets"]).collect()
]

df= spark.createDataFrame(reduce(lambda x,y: x+y,df_list))
df.show()

生产

+--------+
|customer|
+--------+
| A|
| A|
| A|
| B|
| C|
| C|
+--------+