将 PySpark 数据框的列与标量相乘

Question

我想将 PySpark 数据帧（比如 df）的列（比如 x3）与标量（比如 0.1）相乘。下面是我拥有的数据框示例：

df = sqlContext.createDataFrame(
    [(1, "a", 1551.0), (3, "B", 1925.0)], ("x1", "x2", "x3"))

df.show()

+---+---+----+
| x1| x2|  x3|
+---+---+----+
|  1|  a| 5.0|
|  3|  B|21.0|
+---+---+----+

下面是我目前正在尝试的：

df_new = df.withColumn( "norm_x3", 0.1*F.col( "x3") )
df_new = df_new.select( [c for c in df_new.columns if c not in {'x3'}] )

我在上面尝试的方法给出了预期的输出：

+---+---+-------+
| x1| x2|norm_x3|
+---+---+-------+
|  1|  a|    0.5|
|  3|  B|    2.1|
+---+---+-------+

有没有更优雅、更快捷的方法来做同样的事情？谢谢。

Answer 1

这是一种在一行中完成的方法：

df.select([(df[c] * 0.1).alias('norm_x3') if c == 'x3' else df[c] for c in df.columns]

或者：

df.selectExpr('*', 'x3 * 0.1 as normal_x3').drop('x3')

Answer 2

最优雅的方法就是简单地使用 drop:

df_new = df.withColumn("norm_x3", 0.1*F.col( "x3")).drop("x3")

或者，您也可以使用 withColumnRenamed，但不太可取，因为您正在超载 "x3" 并且可能在将来造成混淆：

df_new = df.withColumn("x3", 0.1*F.col( "x3")).withColumnRenamed("x3", "norm_x3")

将 PySpark 数据框的列与标量相乘

Multiply column of PySpark dataframe with scalar

python

pandas

pyspark

pyspark-sql

pyspark-dataframes