如何创建数据帧中所有/大多数列的副本

Question

我想保留原始列集，但使用映射创建具有更新列名的副本。例如，如果原始现有数据帧具有列：

'first_name_2020','other_name_2020', 'last_name_2020' 

我想输入参数：

forename = 'first_name_2020'
middlename = 'other_name_2020'
surname = 'last_name_2020'
previous_surname = None

然后输出一个数据帧，该数据帧具有原始列集，但也具有添加了标准化命名的这些附加列(包括为缺少的名称字段添加的空列(。列的集合大于3/4，所以我需要遍历列表或字典/映射，而不是键入多个固定宽度的列语句

具有类似的数据帧

df_in = spark.sparkContext.parallelize([('JOHN','ANDREW','SMITH'),('JANE','MAY','JONES')]).toDF(['first_name_2020','other_name_2020','last_name_2020'])

希望输出df看起来像：

df_out = spark.sparkContext.parallelize([('JOHN','ANDREW','SMITH','JOHN','ANDREW','SMITH',''),('JANE','MAY','JONES','JANE','MAY','JONES','')]).toDF(['first_name_2020','other_name_2020','last_name_2020','forename','middlename','surname','previous_surname'])

Answer 1

它非常简单，只需遍历列并将其复制到一个新的_column 中

columns = df.columns
for col_name in columns:
    df = df.withColumn(col_name+”_new”, df[col_name])

对于最后的空列

from pyspark.sql.functions import lit
df = df.withColumn(‘previous_surname’, lit(‘’))