PySpark中如何为列名列表中的批量列赋值常量字面量值？

当然有办法啦！不用挨个写withColumn重复代码，给你两种实用的实现思路：

方法一：用reduce链式添加列 #

借助functools里的reduce函数，我们可以遍历列名列表，链式调用withColumn来批量添加新列，代码简洁又高效：

from pyspark.sql.functions import lit
from functools import reduce

list1 = ["a", "b", "c"]
df = ...  # 这里是你的原始DataFrame

# 遍历列名列表，依次为每个列名添加值为1的新列
df = reduce(lambda temp_df, col_name: temp_df.withColumn(col_name, lit(1)), list1, df)

原理很简单：reduce会以原始的df为起点，逐个取出list1里的列名，每次给当前DataFrame添加指定列名、值为lit(1)的新列，最终返回处理完成的DataFrame。

方法二：用select一次性构造所有列 #

如果想更高效地完成操作，推荐用select方法——一次性把原始列和要添加的新列全部指定，避免多次链式操作的开销：

from pyspark.sql.functions import lit

list1 = ["a", "b", "c"]
df = ...  # 这里是你的原始DataFrame

# 组合原始列和新列表达式
new_columns = df.columns + [lit(1).alias(col_name) for col_name in list1]
# 一次性选中所有列，完成批量添加
df = df.select(new_columns)

这里用列表推导式生成所有新列的表达式（把lit(1)重命名为目标列名），再和原始列合并成完整的列列表，最后通过select一次性应用到DataFrame上。

如果你的DataFrame原本就存在这些列名，这两种方法都会自动覆盖原有列的值，完全符合需求~

备注：内容来源于stack exchange，提问作者Daniel Doboș