pyspark中的异或逻辑条件

pyspark中是否有逻辑XOR表达式？

---

文档中说要使用

^

，但当我尝试这样做时，出现了以下错误

该链接中没有任何内容说明您应该使用

^

，而壁橱中出现的内容似乎是：

>>> from pyspark.sql import Row
>>> df = spark.createDataFrame([Row(a=170, b=75)])
>>> df.select(df.a.bitwiseXOR(df.b)).collect()
[Row((a ^ b)=225)]

其他出现的

^

同时用于正则表达式和指数，因此不相关

这个特殊的案例显示了一个带有

^

字符的结果，但它告诉您要使用

bitwiseXOR（）

。然而，按位运算和逻辑or运算之间有很大的区别（当然，除非在将二者合并的环境中仅对0和1的位值执行）

---

而且，考虑到该页面上仅出现的“logical”与逻辑运算符无关，因此该操作似乎不可用。

该链接中没有任何内容说明您应该使用

^

，因此出现的内容似乎是：

>>> from pyspark.sql import Row
>>> df = spark.createDataFrame([Row(a=170, b=75)])
>>> df.select(df.a.bitwiseXOR(df.b)).collect()
[Row((a ^ b)=225)]

其他出现的

^

同时用于正则表达式和指数，因此不相关

这个特殊的案例显示了一个带有

^

字符的结果，但它告诉您要使用

bitwiseXOR（）

。然而，按位运算和逻辑or运算之间有很大的区别（当然，除非在将二者合并的环境中仅对0和1的位值执行）

---

而且，鉴于该页上仅出现的“logical”与逻辑运算符无关，该操作似乎不可用。

pyspark.sql.column.column

对象上的布尔操作允许您使用

&

、

|

和

~

。正如您所看到的，不幸的是，XOR操作不在已定义的操作中

因此：

df=spark.范围（1000）
df.where（（df.id>=20）和（df.id=20）^（df.id=10）.cast（'int'））\
.bitwiseXOR（（df.id=20）^（df.id对
pyspark.sql.column.column
对象的布尔操作，允许您使用
&
，
和
~
进行定义。正如您所看到的，不幸的是，异或操作不在定义的对象中

因此：

df=spark.范围（1000）
df.where（（df.id>=20）和（df.id=20）^（df.id=10）.cast（'int'））\
.bitwiseXOR（（df.id=20）^（df.id Err，你看了你提供的链接的第273行了吗？是的，我看了。我想你指的是第287行，它定义了
bitwiseXOR
。第273行包含文档字符串定义。这是我指的文档字符串，因为它比试图破译代码要好：-）好的，这是一个整数运算，不是布尔运算。另外，这不是一个可以与运算符表示法一起使用的东西，我知道问题是关于：）。谢谢你的解释。我意识到我不能互换使用位运算符和逻辑运算符。我已经求助于使用
~
类似的：
df.where（（df.id>=20）|（df.id=20）&（df.id-Err，你看了你提供的链接的第273行了吗？是的，我看了。我想你指的是第287行，它定义了
bitwiseXOR
。第273行包含文档字符串定义。这是我指的文档字符串，因为它比试图破译代码要好：-）好的，这是一个整数运算，不是布尔运算。另外，这不是一个可以与运算符表示法一起使用的东西，我知道问题是关于：）。谢谢你的解释。我意识到我不能互换使用位运算符和逻辑运算符。我已经求助于使用
~
类似的：
df.where（（df.id>=20）|（df.id=20）和（df.id可能需要添加
位异或
不能直接作用于逻辑类型-您需要将两个操作数强制转换为整数，然后将结果强制转换回
布尔
。可能需要添加
位异或
不能直接作用于逻辑类型-您需要将两个操作数强制转换为整数，然后强制转换为re。）返回到
布尔值
。
df.where((df.id >= 10).cast('int')\
        .bitwiseXOR((df.id <= 90).cast('int')).cast('boolean')).show()

import pyspark
df = spark.range(50)
pyspark.sql.column.Column.__xor__ = lambda x, y: x.cast('int').bitwiseXOR(y.cast('int')).cast('boolean')
df.where((df.id >= 10) ^ (df.id <= 40)).show()