Regex 在pyspark中使用rlike连接数据帧时包括括号
我有2个pyspark数据帧,我正在尝试连接其中的一些列中有括号的值。 例如,其中一个值是Regex 在pyspark中使用rlike连接数据帧时包括括号,regex,apache-spark,pyspark,rlike,Regex,Apache Spark,Pyspark,Rlike,我有2个pyspark数据帧,我正在尝试连接其中的一些列中有括号的值。 例如,其中一个值是 "Mangy (Dog)" 如果我尝试这样加入: df1.join(df2 expr("df1.animal rlike df2.animal_stat") 我没有得到任何结果。 因此,我尝试使用rlike进行过滤,看看是否能够捕获值 过滤作用于除带括号的值以外的所有值。例如,当我尝试这样过滤时: df.filter(col('animal').rlike(&q
"Mangy (Dog)"
如果我尝试这样加入:
df1.join(df2 expr("df1.animal rlike df2.animal_stat")
我没有得到任何结果。
因此,我尝试使用rlike
进行过滤,看看是否能够捕获值
过滤作用于除带括号的值以外的所有值。例如,当我尝试这样过滤时:
df.filter(col('animal').rlike("Mangy (Dog)")).show()
我没有得到任何结果
但是,如果我使用rlike(“Mangy”)
或rlike(“(狗)”
进行过滤,它似乎可以工作。即使我在(狗)
中指定了括号
有没有办法让rlike在匹配项中包含括号
编辑:
我有两个数据帧df1
和df2
,如下所示:
+-----------------+-------+
| animal| origin|
+-----------------+-------+
| mangy (dog)|Streets|
| Cat| house|
|[Bumbling] Bufoon| Utopia|
| Cheetah| Congo|
|(Sprawling) Snake| Amazon|
+-----------------+-------+
+-------------------+-----------+
| animal_stat|destination|
+-------------------+-----------+
| ^dog$| House|
| ^Cat$| Streets|
|^[Bumbling] Bufoon$| Circus|
| ^Cheetah$| Zoo|
| ^(Sprawling)$| Glass Box|
+-------------------+-----------+
我正在尝试使用rlike
使用以下方法将两者连接起来:
dff1=df1.alias('dff1')
dff2=df2.alias('dff2')
combine=dff1.join(dff2, expr("dff1.animal rlike dff2.animal_stat"), how='left')
.drop(dff2.animal_stat)
我希望输出数据帧如下所示:
+-----------------+-------+-----------+
| animal| origin|destination|
+-----------------+-------+-----------+
| mangy (dog)|Streets| House|
| Cat| house| Streets|
|[Bumbling] Bufoon| Utopia| Circus|
| Cheetah| Congo| Zoo|
|(Sprawling) Snake| Amazon| Glass Box|
+-----------------+-------+-----------+
.rlike()
df.filter(col('animal').rlike(“Mangy\(Dog\))).show()
如果没有一些示例数据,我不确定是否可以帮助解决原始加入问题。编辑:
combine = df1.alias('df1').join(
df2.withColumn('animal_stat', F.regexp_replace(F.regexp_replace(F.regexp_replace(F.regexp_replace('animal_stat', '\\(', '\\\\('), '\\)', '\\\\)'), '\\[', '\\\\['), '\\]', '\\\\]')).alias('df2'),
F.expr('df1.animal rlike df2.animal_stat'),
'left'
)
如果您没有使用任何正则表达式,您可能希望使用like
而不是rlike
df1.join(df2, expr("df1.animal like concat('%', df2.animal_stat, '%')"))
要进行筛选,可以尝试
df.filter(col('animal').like("%Mangy (Dog)%")).show()
谢谢你的回答。我已经编辑了我的帖子,并为rlike
连接添加了示例数据。谢谢你的回答。我实际上在使用正则表达式。有没有办法在不指定字符串部分的连接中使用rlike
呢?我过滤是为了排除故障,但rlike
的主要用途是连接在包含正则表达式的列上。我编辑了我的帖子以显示相同的正则表达式。正则表达式与第一行和最后一行不匹配。您如何判断括号是否是正则表达式的一部分?例如,可能您正在尝试匹配[Bumbling]中的任何字符
因为您将其括在方括号中?在我的用例中,方括号(圆括号或方括号)永远不会是正则表达式的一部分。它应该是要匹配的字符串的一部分。如果可以,这取决于您是否希望将圆括号保留在要匹配的模式中