首页 > 解决方案 > 为什么 spark 无法识别我的“数据框布尔表达式”?

问题描述

环境

问题

我有多个条件加入:

join_cond = [
    (col("ltmr1.anc_ref") == col("global.anc_ref") &
     col("global.straight_distance") >= args.radius_1 &
     col("global.straight_distance") <= args.radius_2)
]

稍后使用:

ltm_r1_in_r2 = data_with_straight_distance.alias("global") \
    .join(
        less_than_min_r1.select(
            col("anc_ref"),
            col("num_rep")
        ).alias("ltmr1"),
        join_cond,
        "leftsemi"
)

该程序在以下行失败:

col("global.straight_distance") >= args.radius_1 &

args元组来自哪里argparse

相关堆栈跟踪:

  File "/mnt/mesos/sandbox/full_load.py", line 114, in full_load
    col("global.straight_distance") >= args.radius_1 &
  File "/usr/local/spark/python/lib/pyspark.zip/pyspark/sql/column.py", line 635, in __nonzero__
ValueError: Cannot convert column into bool: please use '&' for 'and', '|' for 'or', '~' for 'not' when building DataFrame boolean expressions.

为什么 spark 无法识别我的状况,我应该如何纠正?

标签: pythonapache-sparkpysparkapache-spark-2.0

解决方案


尝试将每个条件语句放在括号内

join_cond = [
    ((col("ltmr1.anc_ref") == col("global.anc_ref")) &
     (col("global.straight_distance") >= args.radius_1) &
     (col("global.straight_distance") <= args.radius_2))
]

推荐阅读