如何删除 PySpark 数据框中的列？

在 PySpark 中，我们通常需要删除数据框中的一些列，以便对数据进行分析和处理。本文将介绍如何在 PySpark 中删除数据框中的列。

删除单个列

要删除单个列，需要使用 drop() 方法。该方法接受列名作为参数，并返回一个新的数据框，不包含指定的列。例如，假设我们有一个数据框 df，其中包含列 col1、col2 和 col3，我们想删除 col2 列，可以使用以下代码：

new_df = df.drop('col2')

删除多个列

要删除多个列，可以在 drop() 方法中传入多个列名，例如：

new_df = df.drop('col2', 'col3')

原地删除

默认情况下，drop() 方法不会修改原始数据框，而是返回一个新的数据框。如果要在原始数据框上修改，需要使用 drop() 方法的 inplace 参数，将其设置为 True，例如：

df.drop('col2', inplace=True)

这会直接在原始数据框中删除 col2 列。

总结

本文介绍了在 PySpark 中删除数据框中的列的方法。通过 drop() 方法，我们可以删除单个列或多个列，并且可以选择是返回新的数据框还是在原始数据框上修改。