首页 文章

如何在pyspark中更改数据框列名？

提问于
浏览 次
82

我来自pandas背景，用于将CSV文件中的数据读入数据帧，然后使用简单命令将列名更改为有用的内容：

df.columns = new_column_name_list

但是，在使用sqlContext创建的pyspark数据帧中，这同样不起作用 . 我可以轻松解决的唯一解决方案如下：

df = sqlContext.read.format("com.databricks.spark.csv").options(header='false', inferschema='true', delimiter='\t').load("data.txt")
oldSchema = df.schema
for i,k in enumerate(oldSchema.fields):
  k.name = new_column_name_list[i]
df = sqlContext.read.format("com.databricks.spark.csv").options(header='false', delimiter='\t').load("data.txt", schema=oldSchema)

这基本上是定义变量两次并首先推断模式然后重命名列名，然后再次使用更新的模式加载数据帧 .

像熊猫一样，是否有更好，更有效的方法来做到这一点？

我的火花版是1.5.0

python apache-spark pyspark pyspark-sql

10 回答

  • 3
    df = df.withColumnRenamed("colName", "newColName")
       .withColumnRenamed("colName2", "newColName2")

    使用这种方式的优点：使用长列列表，您只想更改几个列名称 . 在这些情况下，这可能非常方便 . 连接具有重复列名称的表时非常有用 .

    回复于
  • 72

    我用这个：

    from pyspark.sql.functions import col
df.select(['vin',col('timeStamp').alias('Date')]).show()
    回复于
  • 2

    这是我使用的方法：

    创建pyspark会话：

    import pyspark
from pyspark.sql import SparkSession
spark = SparkSession.builder.appName('changeColNames').getOrCreate()

    创建数据帧：

    df = spark.createDataFrame(data = [('Bob', 5.62,'juice'),  ('Sue',0.85,'milk')], schema = ["Name", "Amount","Item"])

    使用列名查看df：

    df.show()
+----+------+-----+
|Name|Amount| Item|
+----+------+-----+
| Bob|  5.62|juice|
| Sue|  0.85| milk|
+----+------+-----+

    创建一个包含新列名的列表：

    newcolnames = ['NameNew','AmountNew','ItemNew']

    更改df的列名：

    for c,n in zip(df.columns,newcolnames):
    df=df.withColumnRenamed(c,n)

    使用新列名查看df：

    df.show()
+-------+---------+-------+
|NameNew|AmountNew|ItemNew|
+-------+---------+-------+
|    Bob|     5.62|  juice|
|    Sue|     0.85|   milk|
+-------+---------+-------+
    回复于
  • 185

    如果您想对所有列名称应用简单转换，此代码可以解决这个问题:(我用下划线替换所有空格）

    new_column_name_list= list(map(lambda x: x.replace(" ", "_"), df.columns))

df = df.toDF(*new_column_name_list)

    感谢@ user8117731的 toDf 技巧 .

    回复于
  • 0

    有很多方法可以做到这一点：

    data = sqlContext.createDataFrame([("Alberto", 2), ("Dakota", 2)], 
                                  ["Name", "askdaosdka"])
data.show()
data.printSchema()

# Output
#+-------+----------+
#|   Name|askdaosdka|
#+-------+----------+
#|Alberto|         2|
#| Dakota|         2|
#+-------+----------+

#root
# |-- Name: string (nullable = true)
# |-- askdaosdka: long (nullable = true)

df = data.selectExpr("Name as name", "askdaosdka as age")
df.show()
df.printSchema()

# Output
#+-------+---+
#|   name|age|
#+-------+---+
#|Alberto|  2|
#| Dakota|  2|
#+-------+---+

#root
# |-- name: string (nullable = true)
# |-- age: long (nullable = true)
    • 选项2.使用withColumnRenamed，请注意此方法允许您"overwrite"同一列 .
    oldColumns = data.schema.names
newColumns = ["name", "age"]

df = reduce(lambda data, idx: data.withColumnRenamed(oldColumns[idx], newColumns[idx]), xrange(len(oldColumns)), data)
df.printSchema()
df.show()
    • 选项3.使用alias，在Scala中也可以使用as .
    from pyspark.sql.functions import *

data = data.select(col("Name").alias("name"), col("askdaosdka").alias("age"))
data.show()

# Output
#+-------+---+
#|   name|age|
#+-------+---+
#|Alberto|  2|
#| Dakota|  2|
#+-------+---+
    • 选项4.使用sqlContext.sql，它允许您在 DataFrames 上使用SQL查询作为表注册 .
    sqlContext.registerDataFrameAsTable(data, "myTable")
df2 = sqlContext.sql("SELECT Name AS name, askdaosdka as age from myTable")

df2.show()

# Output
#+-------+---+
#|   name|age|
#+-------+---+
#|Alberto|  2|
#| Dakota|  2|
#+-------+---+
    回复于
  • 8

    对于单列重命名，您仍然可以使用toDF（） . 例如，

    df1.selectExpr("SALARY*2").toDF("REVISED_SALARY").show()
    回复于
  • 0

    如果要重命名单个列并保持其余原样：

    from pyspark.sql.functions import col
new_df = old_df.select(*[col(s).alias(new_name) if s == column_to_change else s for s in old_df.columns])
    回复于
  • 7

    如果要更改所有列名称，请尝试 df.toDF(*cols)

    回复于
  • 19

    另一种只重命名一列的方法（使用 import pyspark.sql.functions as F ）：

    df = df.select( '*', F.col('count').alias('new_count') ).drop('count')
    回复于
  • 0

    df.withColumnRenamed('age', 'age2')

    回复于

相关问题