下面是其中一个解决方案，假设每个国家只有一个不同的Continent值，您可以在每个国家分区中使用max()：

df2 = df.withColumn(
    "Continent",
    func.when(
        func.col("Continent").isNull(),
        func.max("Continent").over(Window.partitionBy(func.col("Country"))),
    ).otherwise(func.col("Continent")),
).orderBy("code")

df2.show(truncate=False)

    +----+-------+---------+
    |Code|Country|Continent|
    +----+-------+---------+
    |1   |Italy  |Europe   |
    |2   |Italy  |Europe   |
    |3   |Italy  |Europe   |
    |4   |Italy  |Europe   |
    |5   |China  |Asia     |
    |6   |China  |Asia     |
    |7   |Japan  |Asia     |
    |8   |France |null     |
    +----+-------+---------+

或者，您可以创建一个较小的"参考" Dataframe ，并将广播连接回主 Dataframe 。

另一个解决方案，同样的结果：

from pyspark.sql import functions as F, Window 

df.withColumn(
    "continent",
    F.coalesce(
        F.col("continent"),
        F.first("continent").over(Window.partitionBy("country")),
    ),
).show()

+----+-------+---------+
|Code|Country|continent|
+----+-------+---------+
|   5|  China|     Asia|
|   6|  China|     Asia|
|   8| France|     null|
|   1|  Italy|   Europe|
|   2|  Italy|   Europe|
|   3|  Italy|   Europe|
|   4|  Italy|   Europe|
|   7|  Japan|     Asia|
+----+-------+---------+