如何重命名数据框中的列

Question

我有一个名为 d2 的数据框，有 2 列（DEST_COUNTRY_NAME，计数）我创建了一个新的数据框，如下所示：df3 = df2.groupBy("DEST_COUNTRY_NAME").sum('count')我打算将列“sum(count)”的名称更改为“destination_total”：df5 = df3.selectExpr("cast(DEST_COUNTRY_NAME as string) DEST_COUNTRY_NAME", "cast(sum(count) as int) destination_total")我打算将列“sum(count)”重命名为“destination_total”。我怎么解决这个问题？我不与熊猫一起工作，而是与火花一起工作。

Answer 1

假设数据框中只有两列，以下是您可以使用的两种重命名方法。

df3 = df2.groupBy("DEST_COUNTRY_NAME").sum('count').toDF(*['DEST_COUNTRY_NAME', 'destination_total'])

或者您可以在调用别名函数时重命名它，如下所示：

df3.select("DEST_COUNTRY_NAME", col("sum(count)").alias("destination_total"))

PS：不要忘记导入 col。

from pyspark.sql.functions import col

Answer 2

df5 = df3.withColumnRenamed("sum(count)","destination_total")




Answer 3

或者您可以进行聚合而不是直接求和。

df3 = df2.groupBy("DEST_COUNTRY_NAME").agg(sum('count').alias('count'))

Answer 4

from pyspark.sql.functions import *
df3 = df2.groupBy("DEST_COUNTRY_NAME") \
         .agg(sum("count").alias("destination_total"))