Python 3.x 需要在pyspark中连接多个表：

查询使用：

df= (df1.alias('a')
     .join(df2, a.id == df2.id, how='inner')
     .select('a.*').alias('b')
     .join(df3, b.id == df3.id, how='inner'))

错误：未定义名称“b”。

.alias（'b'）

未创建名为

b

的Python标识符。它设置返回的数据帧的内部名称。您的

a.id

可能不是您期望的那样，而是之前定义的那样

我记不起在表达式中按名称访问新创建的DF的好方法了。我会选择一个中间标识符：

df_joined = df1.join(df1.id == df2.id, how='inner')
result_df = dj_joined.join(df_joined.id == df3.id, how='inner')

---

试试：

df=df1.alias（'a'）.join（df2，on=“id”，how='inner'）。选择（'a.*）。alias（'b'）。join（df3，on=“id”，how='inner'）

谢谢你，保罗！！它起作用了。。你能告诉我我的问题中的错误吗。。这也提前感谢了？正如@9000在下面所说的，这是因为调用

alias

不会创建python对象。但是这些别名可以在spark sql表达式中使用。要访问新创建的DF，我相信您可以执行类似于

DF=df1.alias（'a'）.join（df2.alias（'df2'）、on=“a.id=df2.id”、how='inner'）。选择（'a.*'）。别名（'b'）。join（df3.alias（'df3'）、on=“b.id=df3.id”、how='inner'）的操作。

是的，您可以在字符串表达式中按名称调用它。您无法使用正确的Python表达式访问它，因为返回的对象尚未绑定到任何名称。