• • 更新：**如果订单不确定：

df.groupBy("cid").agg(F.collect_list("origin").alias("origin"), F.collect_list("destination").alias("destination")).select(col("cid"), F.array_except(col("origin"), col("destination")).alias("origin"), F.array_except(col("destination"), col("origin")).alias("destination")).show(truncate=False)

输出：

本质上，首先，将所有起点和终点收集为数组。

如您所见，停靠点（即除起点和最后目的地之外的点）将在两个数组中共用。
如果秩序是确定的，那么这也是可行的：

df.groupBy("cid").agg(F.first("origin").alias("origin"), F.last("destination").alias("destination")).show()

输出：

尽管如果行的顺序被打乱了，这就不起作用了。

假设乘客从来不乘坐一架以上的飞机，因此有一个唯一的路径为他们旅行
（假设起始位置start）
1.运行查询SELECT * FROM df where origin = start，这样您就可以获得所有可到达的目的地
1.将目的地存储在列表中
1.在下一步中，使用start = destinations运行上述查询
这将发现上述路径。
如果没有给定start，你可以做一些更复杂的事情，比如选择一个随机记录，到达前面解释过的alo目的地，然后往回走，到达所有的源，然后加入这两条路径，你就成功地重建了遍历。