pyspark - 从 pyspark 数据框中的两列中排列记录

Question

我想在一列中获取可进一步用于分组的记录。1. col2 中存在的 col1 中的记录（如 account）需要替换为 col2 的相似行值的 col1 记录，即（aaccounti） 2. col2 中重复的记录（例如（joinmuquiz）必须在这样，col1 (joinqui) 值的第二次出现应该替换为 col1 (joinmquiz) 值的第一次出现并且 col1 (joinqui) 应该替换 col2 (joinmuquiz) 值

 |-----------|--------------|   
 | col1      |    col2      |
 |-----------|--------------|
 |aaccounti  |  account     |
 |account    |  baccountry  |
 |joinmquiz  | joinmuquiz   |
 |joinqui    |  joinmuquiz  |
 |ahanime    |   hanime     |
 ----------------------------

以下是我期望的输出；

 |-----------|--------------|   
 | col1      |    col2      |
 |-----------|--------------|
 |aaccounti  |  account     |
 |aaccounti  |  baccountry  |
 |joinmquiz  | joinmuquiz   |
 |joinmquiz  | joinqui      |
 |ahanime    |   hanime     |
 ----------------------------

标签： pysparkpyspark-sql