附件是我的 Dataframe ,我正尝试在pySpark中找到一种方法来过滤没有任何支持处于"In"状态的链接名称。例如,预期输出应该只有Link3,因为与其关联的任何支持都没有处于"In"状态
| 链接名称|支持|现况|
| - ------|- ------|- ------|
| 链接1|支持1|在|
| 链接1|支持2|在|
| 链接1|支助3|出局|
| 链接2|支助4|在|
| 链接2|支助5|在|
| 链接3|支助6|出局|
| 链接3|支助7|出局|
有人能帮帮我吗?
预期输出应该仅为Link3,因为与其关联的所有支持都没有"In"
1条答案
按热度按时间qyswt5oh1#
你可以用窗口函数来做类似的事情
我分组的链接名称和排序的状态组内。如果第一个状态组内排序升序是"出"这意味着"在"状态不存在这样的分区,这就是过滤器正在检查
最后,我只选择链接名称,并调用distinct来获取具有链接名称的单个记录
输出为