Python 正在检查pyspark dataframe列的列

我想检查pyspark数据帧的每一列，如果该列满足特定的数据类型，那么它将执行某些功能。下面是我的代码和数据集

数据集：

from pyspark.sql import SparkSession

spark = SparkSession.builder.master('local').appName('Word Count').config('spark.some.config.option', 'some-value').getOrCreate()
df = spark.createDataFrame(
    [
        ('A',1),
        ('A', 2),
        ('A',3),
        ('A', 4),
        ('B',5),
        ('B', 6),
        ('B',7),
        ('B', 8),
    ],
    ['id', 'v']
) #I save this to csv so can just ignore my read csv park below.

代码：

from pyspark.sql import SQLContext
from pyspark.sql.types import *
from pyspark import SparkContext

sqlContext = SQLContext(sc)
df = sqlContext.read.load('test.csv',
                         format ='com.databricks.spark.csv',
                         header='true',
                         inferSchema='true')

from functools import reduce
from pyspark.sql.functions import col
import numpy as np

i = (reduce(lambda x, y: x.withColumn(y, np.where(col(y).dtypes != 'str', col(y)+2, col(y))), df.columns, df)) # this is the part that I wanted to change.

侧边学习要求：如果可能的话，谁能告诉我如何只编辑特定的栏目？我理解使用。选择，但如果可能，有人可以用一些数据集展示一些示例。多谢各位

我的预期产出：

+---+---+
| id|  v|
+---+---+
|  A|  3|
|  A|  4|
|  A|  5|
|  A|  6|
|  B|  7|
|  B|  8|
|  B|  9|
|  B|  10|
+---+---+

---

旁注：我是pyspark的新手，所以我不明白为什么需要使用“col”。它到底是什么？

文档将为您提供极大的帮助！为简单起见，可以从列的

循环开始
对于colnm，df中的dtyp。DTYPE:
，然后
如果其他的话
就足够了。完成后，您可以使用
map（）
函数以简短的方式编写它。非常感谢您，我将对此进行记录。文档将对您有很大帮助！为简单起见，可以从列的
循环开始
对于colnm，df中的dtyp。DTYPE:
，然后
如果其他的话
就足够了。完成后，您可以使用
map（）
函数以一种简短的方式编写它。非常感谢您，我将对此进行记录。