如何在PySpark中基于其他列计算创建新列（百分比示例）

嘿，这事儿很简单，我来一步步教你怎么实现！首先先确认下你的原始DataFrame结构：

你需要的是新增一列，计算one_col占other_col的百分比，核心公式就是(one_col / other_col) * 100。下面是具体的实现代码，还特意考虑了除数为0的边界情况，避免报错：

首先导入PySpark的函数库：

from pyspark.sql import functions as F

然后用withColumn方法添加新列，同时处理other_col为0的异常场景：

# 假设你的DataFrame名为df
df = df.withColumn(
    "percentage_col",
    # 当other_col不等于0时计算百分比，否则设为0（你也可以根据需求改成null或者其他默认值）
    F.when(F.col("other_col") != 0, (F.col("one_col") / F.col("other_col")) * 100).otherwise(0)
)

执行完之后，你的DataFrame就会变成这样：

如果想要让百分比结果更整洁，比如保留两位小数，可以用F.round函数优化：

df = df.withColumn(
    "percentage_col",
    F.when(F.col("other_col") != 0, F.round((F.col("one_col") / F.col("other_col")) * 100, 2)).otherwise(0)
)

优化后的结果会更直观：

内容的提问来源于stack exchange，提问作者Ivan Bilan