python - 如何将多个列名重命名为单列？

Question

我有一个包含列 [col1, col2, col3 .... col9] 的表。我想在python中将所有列数据合并为一列作为col？

Answer 1

from pyspark.sql.functions import concat

values = [('A','B','C','D'),('E','F','G','H'),('I','J','K','L')]
df = sqlContext.createDataFrame(values,['col1','col2','col3','col4'])
df.show()

+----+----+----+----+
|col1|col2|col3|col4|
+----+----+----+----+
|   A|   B|   C|   D|
|   E|   F|   G|   H|
|   I|   J|   K|   L|
+----+----+----+----+

req_column = ['col1','col2','col3','col4']
df = df.withColumn('concatenated_cols',concat(*req_column))
df.show()

+----+----+----+----+-----------------+
|col1|col2|col3|col4|concatenated_cols|
+----+----+----+----+-----------------+
|   A|   B|   C|   D|             ABCD|
|   E|   F|   G|   H|             EFGH|
|   I|   J|   K|   L|             IJKL|
+----+----+----+----+-----------------+

Answer 2

使用 Spark SQL

new_df=sqlContext.sql("SELECT CONCAT(col1,col2,col3,col3) FROM df")

使用非 Spark SQL 方式，您可以使用 Concat 函数

new_df = df.withColumn('joined_column', concat(col('col1'),col('col2'),col('col3'),col('col4'))

Answer 3

由于某些原因，在 Spark(pySpark) 中，没有对现有数据进行编辑。您可以做的是创建一个新列。请检查以下链接。

如何向 Spark DataFrame 添加新列（使用 PySpark）？

使用UDF 函数，您可以将所有这些值聚合/组合成一行并将您作为单个值返回。

几点注意事项，聚合时请注意以下数据问题

1. 空值
2. 类型不匹配
3. 字符串编码问题