如何使用 monotonically_increasing_id 来连接两个没有公共列的 pyspark 数据框？

Question

我有两个具有相同行数的 pyspark 数据框，但它们没有任何公共列。所以我使用 monotonically_increasing_id() 向它们添加新列

from pyspark.sql.functions import monotonically_increasing_id as mi
id=mi()
df1 = df1.withColumn("match_id", id)
cont_data = cont_data.withColumn("match_id", id)
cont_data = cont_data.join(df1,df1.match_id==cont_data.match_id, 'inner').drop(df1.match_id)

但连接后生成的数据帧的行数较少。我在这里缺少什么。谢谢

Answer 1

你只是不这样做。这不是 的适用用例monotonically_increasing_id，根据定义，它是不确定的。反而：

• 转换为RDD
• zipWithIndex
• 转换回DataFrame.
• join