如何在多列场景下使用Group By与Sum且不重命名列

方法1：动态生成聚合表达式（推荐，适配多列场景） #

先筛选出除uid外的所有需要聚合的列，为每列生成sum(col).alias(col)的聚合表达式，再传入agg方法：

from pyspark.sql.functions import sum, col

# 获取非uid的列列表，生成带别名的sum表达式
agg_exprs = [sum(col(col_name)).alias(col_name) for col_name in df.columns if col_name != "uid"]
# 执行分组聚合
result_df = df.groupBy("uid").agg(*agg_exprs)

这种方式无需手动编写数百个列名，自动适配任意数量的列，执行后列名与原DataFrame完全一致。

方法2：对分组结果重命名列 #

如果已经执行了groupBy.sum()，可以通过字符串替换重命名列：

# 先执行默认分组求和
temp_df = df.groupBy("uid").sum()
# 批量重命名列：移除sum()包裹
new_col_names = ["uid"] + [col_name.replace("sum(", "").replace(")", "") for col_name in temp_df.columns if col_name != "uid"]
result_df = temp_df.toDF(*new_col_names)

注意：如果原列名包含括号，这种字符串替换会出错，因此方法1更稳妥。

测试结果验证 #

用你提供的示例数据执行上述方法后，输出结果如下：

uid sel_type1 sel_type2 sel_type3
123 2         1         1
100 0         1         2

内容的提问来源于stack exchange，提问作者Gumada Yaroslav