Pyspark 自连接错误 "Resolved attribute(s) missing"
Pyspark self-join with error "Resolved attribute(s) missing"
在执行 pyspark 数据帧自连接时，我收到一条错误消息：
Py4JJavaError: An error occurred while calling o1595.join.
: org.apache.spark.sql.AnalysisException: Resolved attribute(s) un_val#5997 missing from day#290,item_listed#281,filename#286 in operator !Project [...]. Attribute(s) with the same name appear in the operation: un_val. Please check if the right attribute(s) are used.;;
这是一个简单的数据帧自连接，如下所示，工作正常，但在数据帧上进行了一些操作（如添加列或与其他数据帧连接）后，出现了上述错误。
df.join(df,on='item_listed')
使用类似 bellow 的数据框别名也不起作用，并且会出现相同的错误消息：
df.alias('A').join(df.alias('B'), col('A.my_id') == col('B.my_id'))
我在这里找到了 Java 解决方法 SPARK-14948 并且对于 pyspark 是这样的：
#Add a "_r" suffix to column names array
newcols = [c + '_r' for c in df.columns]
#clone the dataframe with columns renamed
df2 = df.toDF(*newcols)
#self-join
df.join(df2,df.my_column == df2.my_column_r)
在执行 pyspark 数据帧自连接时，我收到一条错误消息：
Py4JJavaError: An error occurred while calling o1595.join.
: org.apache.spark.sql.AnalysisException: Resolved attribute(s) un_val#5997 missing from day#290,item_listed#281,filename#286 in operator !Project [...]. Attribute(s) with the same name appear in the operation: un_val. Please check if the right attribute(s) are used.;;
这是一个简单的数据帧自连接，如下所示，工作正常，但在数据帧上进行了一些操作（如添加列或与其他数据帧连接）后，出现了上述错误。
df.join(df,on='item_listed')
使用类似 bellow 的数据框别名也不起作用，并且会出现相同的错误消息：
df.alias('A').join(df.alias('B'), col('A.my_id') == col('B.my_id'))
我在这里找到了 Java 解决方法 SPARK-14948 并且对于 pyspark 是这样的：
#Add a "_r" suffix to column names array
newcols = [c + '_r' for c in df.columns]
#clone the dataframe with columns renamed
df2 = df.toDF(*newcols)
#self-join
df.join(df2,df.my_column == df2.my_column_r)