我想比較兩個數據幀。在輸出我希望看到無與倫比的行和列確定導致的差異。

[Kaniz]

你好@磚POC的!我的名字叫Kaniz,我這裏的技術主持人。很高興認識你,謝謝你的問題!看看你的同行在社區中有一個回答你的問題。否則我將盡快給你回電。謝謝。

[匿名]

你是想做舊和新版本之間的變化數據捕獲相同的表嗎?

[Databricks_POC]

不,我想比較兩個表。相同的場景- /除了查詢。然而除了不匹配的行,我想也知道這是列導致的差異。

[Pholo · Accepted solution]

嗨@vinita shinde

我不知道它是否符合你的要求,但是你可以嚐試這樣的東西

進口pyspark.sql。函數從pyspark F。sql進口行def is_different (col1, col2關口):如果col2關口:返回F.col (col1) = = F.col (col2)其他:返回F.col (col1) .alias (col1) def find_difference (data1、data2 id_columns):關口= data1。列data_difference = data1.subtract (data2) #首先發現的差異行data_difference = data_difference.join (data2.select (* [F.col (i) .alias (f 'b_{我}”)如果我沒有其他id_columns F.col (i) .alias(我)我在關口))= id_columns,如何= '左')#你加入的差異與第二dataframe data_difference返回。選擇(* [is_different (x, f”b_ {x}”, data_difference.columns) x在關口)# #你找出哪些列導致差異df1_spark第一dataframe # df2_spark第二datafame #第三行顯示的選項是ID的列表(find_difference (df1_spark df2_spark, [' ID ']))

結果將somethong這樣的

讓我知道它是否滿足你的需求