在 null-safe 连接中零与 null 连接

Question

我注意到 0 在使用空安全连接 (eqNullSafe) 时与 null 连接。

df1 = spark.createDataFrame([(1, ), (None, )], ['df1_id'])
df2 = spark.createDataFrame([(None, ), (0, )], ['df2_id'])

df1.join(df2, df1.df1_id.eqNullSafe(df2.df2_id), 'right').show()
#+------+------+
#|df1_id|df2_id|
#+------+------+
#|  null|     0|
#|  null|  null|
#+------+------+

df2.join(df1, df1.df1_id.eqNullSafe(df2.df2_id), 'left').show()
#+------+------+
#|df2_id|df1_id|
#+------+------+
#|     0|  null|
#|  null|  null|
#+------+------+

如何让 null 仅与 null 一起加入？

Answer 1

这里需要做内连接

df1.join(df2, df1.df1_id.eqNullSafe(df2.df2_id), 'inner').show()

现在右边的 0 和左边的 df 中没有匹配项，我们正在进行右连接，这就是为什么 pyspark 在右边的 df 中保留 0 并且它在 df1_id 中变为 null。