是否可以在Pyspark中组合.agg（dictionary）并使用.alias（）重命名生成的列？

我有一个pyspark数据帧'pyspark_df'，我想对数据进行分组，并使用一个通用函数字符串名称聚合数据，如以下其中一个：'avg'、'count'、'max'、'mean'、'min'或'sum'

无论聚合类型如何，我都需要将生成的聚合名称“聚合”。 我已经能够做到这一点如下

seriesname = 'Group'
dateVar = 'as_of_date'
aggSeriesName = 'Balance'
aggType = 'sum'
name_to_be_Changed = aggType + '(' + aggSeriesName + ')' 
group_sorted = pyspark_df.groupby(dateVar,seriesname).agg({aggSeriesName: aggType}).withColumnRenamed(name_to_be_Changed,'aggregated').toPandas()

但是，有没有办法通过.alias执行此操作？我见过这样的用法

group_sorted = pyspark_df.groupby(dateVar,seriesname).agg(sum(aggSeriesName).alias('aggregated')).toPandas()

---

如何使用alias而不必键入“SumagSeriesName”部分？希望我能说清楚。

我不知道你为什么问这个问题，因此不能提供一个合适的替代解决方案。据我所知，无法将.aggdicology与结果列重命名为.alias相结合。WithColumnRename是解决这个问题的方法

您还可以执行以下操作：

顶点=sqlContext.createDataFrame[ a、 爱丽丝，34岁， b、 鲍勃，36岁， c、 查理，30岁， d、 大卫，29岁， e、 埃丝特，32岁， f、 范妮，36岁， g、 加比，60岁，[身份证，姓名，年龄] aggSeriesName='age' aggType='sum' targetName='聚合' bla=顶点。选择表达式“{}{}”为“{}”。formataggType、aggSeriesName、targetName 布拉秀 输出：

+----------+
|aggregated|
+----------+
|       257|
+----------+

---

非常感谢。我更改了标题以澄清我的问题。我将把这个问题再公开几天，看看是否有其他人有解决办法。我不想非得做.withColumnRenamedname\u to\u be\u更改，'aggregated'解决方案，如果我不需要的话。也许是强迫症，但对我来说很难看。