PySpark 根据列名称/字符串条件删除列

Question

我想将包含列表中任何单词的 pyspark 数据框中的列删除banned_columns，并从剩余的列中形成一个新的数据框

banned_columns = ["basket","cricket","ball"]
drop_these = [columns_to_drop for columns_to_drop in df.columns if columns_to_drop in banned_columns]

df_new = df.drop(*drop_these)

的想法banned_columns是删除所有以basket和开头的列，以及名称中任意位置cricket包含该单词的列。ball

以上是我到目前为止所做的，但它不起作用（因为在新数据框中仍然包含这些列名称）

数据框示例

 sports1basketjump | sports

在上面的列名称示例中，它将删除该列，sports1basketjump因为它包含单词篮子。

此外，使用filteror/andreduce函数是否比创建列表和 for 循环更优化？

Answer 1

您的列表理解不符合您的预期。它将返回一个空列表，除非它与字符串完全匹配。有关如何将子字符串列表与字符串列表进行匹配的答案，请查看Python中的子字符串列表与字符串列表的匹配

它将df.drop(*cols)按您的预期工作。