Pyspark-将列表/元组传递给toDF函数

我有一个dataframe，想通过传递列表中的列名来使用toDF对其进行重命名，这里的列列表是动态的，当我执行以下操作时出现错误，我如何实现这一点

>>> df.printSchema()
root
 |-- id: long (nullable = true)
 |-- name: string (nullable = true)
 |-- dept: string (nullable = true)

columns = ['NAME_FIRST', 'DEPT_NAME']

df2 = df.toDF('ID', 'NAME_FIRST', 'DEPT_NAME')
(or) 
df2 = df.toDF('id', columns[0], columns[1])

如果我们不知道输入数据框中会有多少列，那么这就不起作用了，所以要将列表传递给df2，我尝试如下

df2 = df.toDF('id', columns)
pyspark.sql.utils.IllegalArgumentException: u"requirement failed: The number of columns doesn't match.\nOld column names (3): id, name, dept\nNew column names (2): id, name_first, dept_name"

---

在这里，它将列表视为单个项目，如何从列表中传递列？

除了没有将所有列添加到“列”数组之外，您尝试的方法是正确的

这将有助于：

columns = ['ID','NAME_FIRST', 'DEPT_NAME']
df2 = df.toDF(columns)

使用我在pyspark中遵循的所有步骤更新答案：

list=[(1,'a','b'),(2,'c','d'),(3,'e','f')]
df = sc.parallelize(list)
columns = ['ID','NAME_FIRST', 'DEPT_NAME']
df2 = df.toDF(columns)

df2=df.toDF（列）不起作用，添加一个*如下-

columns = ['NAME_FIRST', 'DEPT_NAME']

df2 = df.toDF(*columns)

“*”是“splat”运算符：它接受一个列表作为输入，并将其扩展为函数调用中的实际位置参数

---

您在这里所做的是创建一个新的数据帧，但问题是如何通过传递一个列表来重命名现有的数据帧。执行上述代码后，请尝试执行

newCols=['emp\u id'、'FIRST\u name'、'DEPT\u name']

和

df.toDF（newCols）

，看看我是否同意您的意见。我错过了OP试图重新命名列的部分。如果我能给大家多竖起一个大拇指就好了