Pyspark：如何根据字符串和前缀的缺失过滤数据帧？

我有一个像这样的pyspark数据框，其中有“zodiac”的行和有“nonzodiac”的行

spark.createDataFrame(
    [
        (1, '1234ESPNnonzodiac'), 
        (2, '1234ESPNzodiac'),
        (3, '963CNNnonzodiac'), 
        (4, '963CNNzodiac'),
    ],
    ['id', 'col1'] 
)

我可以得到所有非黄道带行，如下所示：

nonzodiac_rows = df.where(f.col("col1").rlike("nonzodiac"))

但是我很难只返回带有“zodiac”的行，因为做类似的操作会同时返回zodiac行和非zodiac行

zodiac_rows = df.where(f.col("col1").rlike("zodiac"))

---

这是因为非黄道带包含黄道带子串。您需要编写更严格的regexp 例如，再添加一个字符：

zodiac_rows = df.where(f.col("col1").rlike("Nzodiac"))

或者在黄道带之前限制非黄道带

zodiac_rows = df.where(f.col("col1").rlike("(?<!non)zodiac")) 

---

zodiac_rows=df.where（f.col（“col1”）.rlike（（？这是因为非zodiac包含zodiac子字符串。您需要编写更严格的regexp
例如，再添加一个字符：

zodiac_rows = df.where(f.col("col1").rlike("Nzodiac"))

或者在黄道带之前限制非黄道带

zodiac_rows = df.where(f.col("col1").rlike("(?<!non)zodiac")) 

zodiac_rows=df.where（f.col（“col1”）.rlike（（？您可以使用逻辑
not
运算符执行与“non-zodiac”
where
相反的操作

zodiac_rows = df.where(~f.col("col1").rlike("nonzodiac"))

此外，还有
过滤器
功能可以以不同的方式帮助您

zodiac_rows = df.filter(~f.col('col1').contains('nonzodiac')).collect()
              

您可以使用逻辑
not
运算符执行与“非黄道带”相反的
where

zodiac_rows = df.where(~f.col("col1").rlike("nonzodiac"))

此外，还有
过滤器
功能可以以不同的方式帮助您

zodiac_rows = df.filter(~f.col('col1').contains('nonzodiac')).collect()
              

（？！non）zodiac
=
zodiac
因为
zod
不等于
non
@WiktorStribiżew非常感谢，修复了bug
（？！non）zodiac
=
zodiac
因为
zod
不等于
non
@WiktorStribiżew非常感谢，修复了这个bug