在Spark中使用Lead Window函数时是否可以忽略空值
但事实并非如此。
我希望获得最新的值，但忽略空值
只需将last(或first)与ignoreNulls一起使用：
def last(columnName: String, ignoreNulls: Boolean): Column
聚合函数：返回组中列的最后一个值。
默认情况下，该函数返回它看到的最后一个值。它将返回它看到的最后一个非NULL值，该值设置为TRUE。如果所有值都为NULL，则返回NULL。

import org.apache.spark.sql.functions._
import org.apache.spark.sql.expressions._

val df = Seq(
  (1, Some(100), 2017), (1, None, 2016), (1, Some(20), 2015), 
  (1, Some(100), 2014)
).toDF("id", "value", "date")

df.withColumn(
  "last_value",
   last("value", true).over(Window.partitionBy("id").orderBy("date"))
).show

+---+-----+----+----------+                                                     
| id|value|date|last_value|
+---+-----+----+----------+
|  1|  100|2014|       100|
|  1|   20|2015|        20|
|  1| null|2016|        20|
|  1|  100|2017|       100|
+---+-----+----+----------+

您可以分两步完成此操作：
1.创建具有非空值的表
1.在原始表上连接

import org.apache.spark.sql.functions._
import org.apache.spark.sql.expressions._

val df = Seq(
  (1, Some(100), 2017),
  (1, None, 2016),
  (1, Some(20), 2015),
  (1, Some(100), 2014)
).toDF("id", "value", "date")

// Step 1
val filledDf = df
  .where($"value".isNotNull)
  .withColumnRenamed("value", "recent_value")

// Step 2
val window: WindowSpec = Window.partitionBy("l.id", "l.date").orderBy($"r.date".desc)

val finalDf = df.as("l")
  .join(filledDf.as("r"), $"l.id" === $"r.id" && $"l.date" > $"r.date", "left")
  .withColumn("rn", row_number().over(window))
  .where($"rn" === 1)
  .select("l.id", "l.date", "value", "recent_value")

finalDf.orderBy($"date".desc).show

+---+----+-----+------------+
| id|date|value|recent_value|
+---+----+-----+------------+
|  1|2017|  100|          20|
|  1|2016| null|          20|
|  1|2015|   20|         100|
|  1|2014|  100|        null|
+---+----+-----+------------+

**Spark 3.2+**在lead中提供ignoreNulls，在Scala中提供lag。
Lead(e：Column，Offset：int，defaultValue：Any，IgnreNulls：Boolean)：Column
LAG(e：Column，Offset：int，defaultValue：Any，IgnreNulls：Boolean)：Column

测试输入：

import org.apache.spark.sql.expressions.Window

val df = Seq[(Integer, Integer, Integer)](
    (1, 100, 2017),
    (1, null, 2016),
    (1, 20, 2015),
    (1, 100, 2014)
).toDF("id", "value", "date")

lead：

val w = Window.partitionBy("id").orderBy(desc("date"))
val df2 = df.withColumn("lead_val", lead($"value", 1, null, true).over(w))
df2.show()
// +---+-----+----+--------+
// | id|value|date|lead_val|
// +---+-----+----+--------+
// |  1|  100|2017|      20|
// |  1| null|2016|      20|
// |  1|   20|2015|     100|
// |  1|  100|2014|    null|
// +---+-----+----+--------+

lag：

val w = Window.partitionBy("id").orderBy("date")
val df2 = df.withColumn("lead_val", lag($"value", 1, null, true).over(w))
df2.show()
// +---+-----+----+--------+
// | id|value|date|lead_val|
// +---+-----+----+--------+
// |  1|  100|2014|    null|
// |  1|   20|2015|     100|
// |  1| null|2016|      20|
// |  1|  100|2017|      20|
// +---+-----+----+--------+