SQL转PySpark：如何按条件更新CGPA列并执行除法操作？

先明确你写的代码里的几个核心问题：

• 逻辑判断误用了&（表示“且”），但需求是或逻辑，应该用|
• 括号完全不匹配：when的条件、结果部分都未闭合，otherwise的调用位置错误
• 列引用方式混乱，混用了col()、df.CGPA、df['CGPA']，建议统一用F.col()规范写法

另外原SQL中CGPA是按字符串类型做比较，实际场景中CGPA更可能是数值类型，下面分两种情况给出正确实现：

情况1：CGPA为字符串类型（与原SQL逻辑完全对齐） #

import pyspark.sql.functions as F

# 更新CGPA列
df = df.withColumn(
    'CGPA',
    F.when(
        (F.col('CGPA') > '5') | (F.col('CGPA') == '100'),
        # 先转数值类型再计算，最后可按需转回字符串
        F.col('CGPA').cast('double') / 25
    ).otherwise(F.col('CGPA'))
)

# 若需要将结果转回字符串类型
df = df.withColumn('CGPA', F.col('CGPA').cast('string'))

情况2：CGPA为数值类型（更符合实际业务场景） #

import pyspark.sql.functions as F

df = df.withColumn(
    'CGPA',
    F.when(
        (F.col('CGPA') > 5) | (F.col('CGPA') == 100),
        F.col('CGPA') / 25
    ).otherwise(F.col('CGPA'))
)

关键说明 #

• PySpark中when的标准语法是F.when(判断条件, 满足条件的结果).otherwise(不满足条件的结果)，必须保证括号完整匹配
• 逻辑或用|、逻辑且用&，每个条件都要用括号包裹，避免优先级导致的逻辑错误
• 字符串类型的数值必须先转成数值类型再做运算，否则会出现字符串拼接或错误的比较结果

内容的提问来源于stack exchange，提问作者BigData Lover