如何划分数据帧行'；将每个值按行'；s pyspark中的总和（数据规范化）？

我有一个用户偏好的数据框：

+-------+-----+-----+-----+
|user_id|Movie|Music|Books|
+-------+-----+-----+-----+
|   100 |  0  |  1  |  2  |
|   101 |  3  |  1  |  4  |
+-------+---------+-------+

如何1）计算每行（用户）的总和；2） 把每个值除以那个和？所以我得到了标准化的偏好值：

+-------+---- -+-------+-------+
|user_id| Movie| Music | Books |
+-------+----- +-------+-------+
|   100 |  0   | 0.33..| 0.66..|
|   101 |0.42..| 0.15..| 0.57..|
+-------+------+-------+-------+

---

非常感谢，它工作得非常好！请问如何将行中的每个值除以行中的最大值？将

rowsum

行替换为

magest=f.magest（*（df[x]表示cols中的x））

where

import pyspark.sql.functions as f

。它不知何故找到了错误的最大值，因此在除以后，我得到了一些大于1的值，这意味着原始值除以较小的值。它看起来是这样的：

| 100 | 0.0 | 1.3333333333 | 0.6666666666 |

但是我认为不应该有大于

1的值，因为原始值中的最大值除以
最大值
应该给PySpark一个新的
1
。我可以问一下select语句中的
*
是什么意思吗？
*
与spark无关。这是一种python语法，用于将多个参数分散到函数调用中。
# get column names that need to be normalized
cols = [col for col in df.columns if col != 'user_id']

# sum the columns by row
rowsum = sum([df[x] for x in cols])

# select user_id and normalize other columns by rowsum
df.select('user_id', *((df[x] / rowsum).alias(x) for x in cols)).show()

+-------+-----+------------------+------------------+
|user_id|Movie|             Music|             Books|
+-------+-----+------------------+------------------+
|    100|  0.0|0.3333333333333333|0.6666666666666666|
|    101|0.375|             0.125|               0.5|
+-------+-----+------------------+------------------+