pyspark，获取第一列值等于id，第二列值在两个值之间的行，对数据帧中的每一行执行此操作

我有一个像这样的pyspark数据帧，我们称之为数据帧a：

    +-------------------+---------------+----------------+
    |                reg|           val1|           val2 |
    +-------------------+---------------+----------------+
    |             N110WA|     1590030660|   1590038340000|
    |             N876LF|     1590037200|   1590038880000|
    |             N135MH|     1590039060|   1590040080000|

另一个类似的，我们称之为数据帧b：

    +-----+-------------+-----+-----+---------+----------+---+----+
    |  reg|      postime|  alt| galt|      lat|      long|spd| vsi|
    +-----+-------------+-----+-----+---------+----------+---+----+
    |XY679|1590070078549|   50|  130|18.567169|-69.986343|132|1152|
    |HI949|1590070091707|  375|  455|  18.5594|-69.987804|148|1344|
    |JX784|1590070110666|  825|  905|18.544968|-69.990414|170|1216|

---

有没有办法创建一个numpy数组或pyspark数据帧，其中对于数据帧a中的每一行，都包括数据帧b中val 1和val 2之间具有相同reg和postime的所有行？

有，假设

df_a

和

df_b

都是pyspark数据帧，您可以在pyspark中使用一个内部连接：

delta = val
df = df_a.join(df_b, [
    df_a.res == df_b.res,
    df_a.posttime <= df_b.val1 + delta,
    df_a.posttime >= df_b.val2 - delta
], "inner")

delta=val
df=df_a.连接（df_b[
df_a.res==df_b.res，
df_a.posttime=df_b.val2-增量
]“内部”）

---

将筛选出的结果仅包括指定的结果

您可以尝试下面的解决方案，并告诉我们是否有效或是否需要其他解决方案

为了展示有效的解决方案，我对插补进行了一些修改--

在此处输入

from pyspark.sql import functions as F
df_a = spark.createDataFrame([('N110WA',1590030660,1590038340000), ('N110WA',1590070078549,1590070078559)],[ "reg","val1","val2"])
df_b = spark.createDataFrame([('N110WA',1590070078549)],[ "reg","postime"])
df_a.show() 

from pyspark.sql import types as T
from pyspark.sql import functions as F
#df_a = df_a.join(df_b,'reg','left')
df_a = df_a.withColumn('condition_col', F.when(((F.col('postime') >= F.col('val1')) & (F.col('postime') <= F.col('val2'))),'1').otherwise('0'))
df_a = df_a.filter(F.col('condition_col') == 1).drop('condition_col')
df_a.show()

df_a

+------+-------------+-------------+
|   reg|         val1|         val2|
+------+-------------+-------------+
|N110WA|   1590030660|1590038340000|
|N110WA|1590070078549|1590070078559|
+------+-------------+-------------+

df_b

+------+-------------+
|   reg|      postime|
+------+-------------+
|N110WA|1590070078549|
+------+-------------+

此处的解决方案

from pyspark.sql import functions as F
df_a = spark.createDataFrame([('N110WA',1590030660,1590038340000), ('N110WA',1590070078549,1590070078559)],[ "reg","val1","val2"])
df_b = spark.createDataFrame([('N110WA',1590070078549)],[ "reg","postime"])
df_a.show() 

from pyspark.sql import types as T
from pyspark.sql import functions as F
#df_a = df_a.join(df_b,'reg','left')
df_a = df_a.withColumn('condition_col', F.when(((F.col('postime') >= F.col('val1')) & (F.col('postime') <= F.col('val2'))),'1').otherwise('0'))
df_a = df_a.filter(F.col('condition_col') == 1).drop('condition_col')
df_a.show()

---

你能检查一下，让我知道你是否正在寻找这样的东西吗？三角洲的意义是什么？