开始使用免费开始使用

连接(Join)

另一个非常常见的数据操作是"连接"(join)。连接本身就是一个大主题,因此本课程只介绍简单的连接。若您想进一步学习连接,可以查看这里

连接会沿着两张表共有的某一列把它们合并起来。这一列称为"键"(key)。在本例中,flights 表中的 tailnumcarrier 列都是键的示例。

例如,假设您想了解执行某次航班的飞机除机尾号以外的更多信息。这些信息并不在 flights 表中,因为同一架飞机在两年间会执行许多不同的航班,如果在每一行都包含这些信息,就会产生大量重复。为避免重复,您可以建立第二张表,每架飞机仅一行,列中列出该飞机的全部信息,包括机尾号。可以把这张表称为 planes

当您把 flights 表与这张飞机信息表进行连接时,就是把 planes 表的所有列添加到 flights 表中。为填充这些新增列,您会从 flights 表取出机尾号,在 planes 表中找到匹配的那一行,然后用该行的数据填充所有新列。

这样生成的表会比之前大得多,但现在每一行都含有执行该航班的那架飞机的完整信息!

以下哪一项是正确的?

本练习是课程的一部分

PySpark 基础

查看课程

动手互动练习

通过我们的互动练习之一,将理论转化为实践

开始练习