以多种方式连接多个表

Question

我有 5 个如下表：表 A

秩。	输入。
0。	啊
1.	bb
2	抄送
3	dd

表 B

秩。	输入。
0。	啊
3	抄送
4	dd
5	ee

表C

秩。	输入。
0。	啊
5	ee
6	ff
7	gg

表 D

秩。	输入。
0。	啊
2	bb
6	ff
7	gg

我需要 output 如下所示：

决赛桌

秩。	输入。
0。	啊
2	bb
3	抄送
5	ee
6	ff
7	gg

如果我只是根据最大的表交叉连接所有表，我会得到以下 output：

秩。	输入。
0。	啊

有没有办法获得我想要的 output 而无需跨 AB、BC、CD、BD 等进行多次连接。

请告诉我。 我可以使用 SQL 或 Pyspark 来执行此操作。 任何建议，将不胜感激。

Answer 1

您可以合并所有表，按输入分组并获得排名的最大值：

select max(`rank`) as `rank`, input
from (
    select * from tableA
    union all
    select * from tableB
    union all
    select * from tableC
    union all
    select * from tableD
) t
group by input

在 Pyspark 它将是

from functools import reduce

df = reduce(lambda a, b: a.unionAll(b), [tableA,tableB,tableC,tableD])
result = df.groupBy('input').agg(F.max('rank').alias('rank'))