在pyspark中，你可以这样做：

array = [1, 2, 3]
dataframe.filter(dataframe.column.isin(array) == False)

或者使用二元NOT运算符：

dataframe.filter(~dataframe.column.isin(array))

取运算符 ~，意思是 * contrast *：

df_filtered = df.filter(~df["column_name"].isin([1, 2, 3]))

df_result = df[df.column_name.isin([1, 2, 3]) == False]

语法略有不同，数据集为“date”：

toGetDates={'2017-11-09', '2017-11-11', '2017-11-12'}
df= df.filter(df['DATE'].isin(toGetDates) == False)

不需要*。因此：

list = [1, 2, 3]
dataframe.filter(~dataframe.column.isin(list))

您可以使用.subtract()好友。
示例：

df1 = df.select(col(1),col(2),col(3)) 
df2 = df.subtract(df1)

这样，df2将被定义为所有不是df1的df。

也可以循环数组和过滤器：

array = [1, 2, 3]
for i in array:
    df = df.filter(df["column"] != i)

您还可以使用sql函数.col + .isin()：

import pyspark.sql.functions as F

array = [1,2,3]
df = df.filter(~F.col(column_name).isin(array))

如果您正在使用sql函数并希望保持一致性，这可能会很有用。