如何在DataFrame中替换值并保留原始列数据？

你已经找对了替换值的核心方法，只是之前误把新列名写成了原列名导致覆盖了数据对吧？其实只要换个思路——用withColumn创建全新的列，而不是修改原列，就能完美解决你的需求！

针对你的场景，我们可以分别基于col2、col3生成替换后的col4、col5，完全保留原始列的内容：

首先导入必要的Spark函数：

from pyspark.sql.functions import col, when

然后执行以下代码：

# 基于col2生成替换后的col4，保留原col2不变
updated_df = dataframe.withColumn("col4", when(col("col2") == "c", "cat").otherwise(col("col2")))
# 基于col3生成替换后的col5，保留原col3不变
updated_df = updated_df.withColumn("col5", when(col("col3") == "h", "hat").otherwise(col("col3")))

运行这段代码后，你的DataFrame就会拥有原始的col1、col2、col3，同时新增了替换后的col4和col5，完全匹配你想要的最终结构。

如果之后还有其他列需要做类似的替换，都可以复用这个逻辑：始终用withColumn创建新列，避免直接修改原列，就能确保原始数据不会被覆盖。

内容的提问来源于stack exchange，提问作者Venkat J