PySpark中如何正确拆分全名为名、中间名及姓氏？代码修正

你的问题出在原代码用固定索引提取姓名各部分，没法适配两词、多词的全名格式。按照「首词为first_name，末词为last_name，中间所有词合并为middle_name（两词时中间名为空）」的规则，可通过以下代码实现：

import pyspark.sql.functions as F

# 拆分全名为数组
df = df.withColumn("arr", F.split(F.col("Name"), " "))

# 提取各姓名部分
df = (df
      .withColumn("first_name", F.element_at(F.col("arr"), 1))
      .withColumn("last_name", F.element_at(F.col("arr"), -1))
      .withColumn("middle_name", 
                  F.when(F.size(F.col("arr")) <= 2, "")
                    .otherwise(F.concat_ws(" ", F.slice(F.col("arr"), 2, F.size(F.col("arr")) - 2))))
      .drop("arr"))  # 可选：删除中间数组列

关键函数说明 #

• F.element_at(arr, index): 支持正数/负数索引，负数索引直接取数组末尾元素，完美适配任意长度的全名。
• F.size(arr): 获取数组长度，用来判断是否需要提取中间名。
• F.slice(arr, start, length): 截取数组中从start索引开始、长度为length的子数组，这里从第2个元素开始，截取长度为「总长度-2」的部分（即去掉首尾元素后的所有内容）。
• F.concat_ws(" ", ...): 将截取到的中间名数组用空格拼接成字符串。

测试验证 #

用你提供的输入数据集运行上述代码后，输出将与预期一致：

内容的提问来源于stack exchange，提问作者Anubhav