PySpark中如何将固定字符串与变量组合生成动态聚合列名

我来帮你搞定这个动态列名的需求！你的代码报错是因为混淆了Spark列操作函数和Python字符串拼接的用法，下面我来拆解问题并给出修复方案：

错误原因分析 #

你原来的代码里有两个关键问题：

1. 用Spark的concat()函数来生成列名，但alias()方法只接受普通的Python字符串作为参数，不需要调用Spark的列处理函数；
2. i是你列表里的字符串元素（比如'202111'），它根本没有.col属性，所以i.col会直接抛出AttributeError。

正确实现方式 #

我们只需要用Python本身的字符串拼接能力来生成动态列名就可以了，两种简洁的写法任选：

方法1：使用f-string（推荐，Python3.6+支持） #

f-string是最直观的字符串拼接方式，直接把变量嵌入字符串中：

import pyspark.sql.functions as f

months = ['202111', '202112', '202201']

for i in months:
    df = (
        adjustment_1_prepared_df.select("product", "mnth", "col1", "col2")
        .groupBy("product")
        .agg(
            f.min(f.when(condition, f.col("col1")).otherwise(9999999)).alias(
                f"col3_{i}"  # 直接用f-string拼接前缀和月份变量
            )
        )
    )
    # 这里可以添加对当前df的操作，比如保存、打印等

方法2：使用普通字符串加法 #

如果你的Python版本较低，也可以用传统的字符串加法：

.alias("col3_" + i)  # 替换上面的f-string写法即可

进阶优化：一次性生成所有动态列 #

注意：如果你的需求是把所有月份的聚合列都放在同一个DataFrame里，而不是每次循环覆盖df，那更高效的做法是一次性生成所有聚合表达式，只执行一次groupBy和agg：

import pyspark.sql.functions as f

months = ['202111', '202112', '202201']

# 先批量生成所有聚合表达式
agg_exprs = [
    f.min(f.when(condition, f.col("col1")).otherwise(9999999)).alias(f"col3_{month}")
    for month in months
]

# 一次性完成分组聚合
df = (
    adjustment_1_prepared_df.select("product", "mnth", "col1", "col2")
    .groupBy("product")
    .agg(*agg_exprs)  # 用*解包表达式列表
)

这种写法避免了多次重复执行分组操作，性能会更好。

内容的提问来源于stack exchange，提问作者Pardeep Naik