Apache spark 如何相对于其他数据帧更改数据帧的列名_Apache Spark_Dataframe_Pyspark_Apache Spark Sql_Pyspark Sql

Apache spark 如何相对于其他数据帧更改数据帧的列名

apache-spark dataframe pyspark

Apache spark 如何相对于其他数据帧更改数据帧的列名,apache-spark,dataframe,pyspark,apache-spark-sql,pyspark-sql,Apache Spark,Dataframe,Pyspark,Apache Spark Sql,Pyspark Sql,我需要使用pyspark更改数据帧df相对于其他数据帧df\u col的列名 df 德福沟 +-----------+-----------+ |col_current|col_updated| +-----------+-----------+ | id| Row_id| | name| Name| | code| Row_code| | Work| Work_Code| +-----------+---------

我需要使用pyspark更改数据帧

df

相对于其他数据帧

df\u col

的列名

德福沟

+-----------+-----------+
|col_current|col_updated|
+-----------+-----------+
|         id|     Row_id|
|       name|       Name|
|       code|   Row_code|
|       Work|  Work_Code|
+-----------+-----------+

如果df列与COLU current匹配，则df列应替换为COLU updated。例如：如果df.id与df.col_current匹配，则df.id应替换为Row_id

预期产量

Row_id,Name,Row_code,Work_code
101,John,ASD,DEV
102,ben,klj,prod

注意：我希望这个过程是动态的

只需将

df\u col

收集为字典：

df = spark.createDataFrame(
    [("ASD", "101" "John", "DEV"), ("klj","102", "ben", "prod")],
    ("code", "id", "name", "work")
)

df_col = spark.createDataFrame(
    [("id", "Row_id"), ("name", "Name"), ("code", "Row_code"), ("Work", "Work_Code")],
    ("col_current", "col_updated")
)

name_dict = df_col.rdd.collectAsMap()

{'Work': 'Work_Code', 'code': 'Row_code', 'id': 'Row_id', 'name': 'Name'}

并使用

选择

和列表理解：

df.select([df[c].alias(name_dict.get(c, c)) for c in df.columns]).printSchema()
# root
#  |-- Row_code: string (nullable = true)
#  |-- Row_id: string (nullable = true)
#  |-- Name: string (nullable = true)
#  |-- work: string (nullable = true)

其中

name\u dict

是标准Python字典：

df = spark.createDataFrame(
    [("ASD", "101" "John", "DEV"), ("klj","102", "ben", "prod")],
    ("code", "id", "name", "work")
)

df_col = spark.createDataFrame(
    [("id", "Row_id"), ("name", "Name"), ("code", "Row_code"), ("Work", "Work_Code")],
    ("col_current", "col_updated")
)

name_dict = df_col.rdd.collectAsMap()

{'Work': 'Work_Code', 'code': 'Row_code', 'id': 'Row_id', 'name': 'Name'}

name\u dict.get（c，c）

获取新名称、给定当前名称或当前名称（如果不匹配）：

name_dict.get("code", "code")
# 'Row_code'

name_dict.get("work", "work")  # Case sensitive 
# 'work'

而

alias

只需将列（

df[col]

）重命名为从

name\u dict.get

返回的名称，只需将

df\u col