PySpark删除基于列名称/字符串条件的列

Question

我想在包含banned_columns列表中任何单词的pyspark数据框中删除列，并在其余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)

banned_columns的想法是删除以basket和cricket开头的所有列，以及在其名称中任意位置包含单词ball的列。

以上是我到目前为止所做的事情，但不起作用（因为在新数据框中仍包含那些列名）

数据框示例

 sports1basketjump | sports

在上面的列名示例中，它将删除列sports1basketjump，因为它包含单词basket。

此外，使用filter或/和reduce函数是否比创建列表和for循环更优化？

Answer 1

您的列表理解能力没有达到您的期望。除非完全与字符串匹配，否则它将返回一个空列表。有关如何将子字符串列表与字符串列表匹配的答案，请查看matching list of substrings to a list of strings in Python

df.drop(*cols)将按预期工作。