如何在 Pyspark DataFrame 中选择和排序多列？

在 Pyspark DataFrame 中选择和排序多列非常方便，您只需要在选择列和排序列时指定多个列即可。本文将介绍如何在 Pyspark DataFrame 中选择和排序多列。

选择多列

选择多列可以使用 DataFrame 的 select 方法，并用逗号分隔列名列表。例如，假设我们有一个 DataFrame 名为 df，其中包含 id、name、age 三列数据，我们要选择前两列，则可以通过以下代码实现：

df.select("id", "name")

这将返回一个名为 id 和 name 的新 DataFrame，只包含这两列数据。

排序多列

对多列进行排序可以使用 DataFrame 的 orderBy 方法，并用逗号分隔排序列的列表。例如，假设我们要按 age 列和 name 列进行升序排列，则可以通过以下代码实现：

df.orderBy("age", "name")

注意，orderBy 默认为升序排序。如果您要进行降序排序，则可以在列名后面加上 desc，例如：

df.orderBy("age desc", "name desc")

上述代码将首先按照 age 列进行降序排序，然后再按照 name 列进行降序排序。

选择和排序多列

当您需要同时进行选择和排序时，您可以将选择列和排序列都放到 select 和 orderBy 方法中。例如，如果我们要选择 id、name 和 age 列，并且按 age 和 name 列进行升序排序，则可以通过以下代码实现：

df.select("id", "name", "age").orderBy("age", "name")

这将返回一个名为 id、name 和 age 的新 DataFrame，并按 age 列和 name 列进行升序排序。

以上就是在 Pyspark DataFrame 中选择和排序多列的介绍。希望本文对您有所帮助。