对数据集的列求和

Question

我在 PySpark 工作，我有一个这样的数据集：

我想用相应的总和创建一个像这样的新df：

所以我尝试了这段代码：

    df = df.withColumnRenamed("month_actual_january", "monthjanuary")
    fin=df.groupBy(["column1","column2"]).sum()

问题是我收到以下错误：

Attribute sum(column3) contains an invalid character among ,;{}()\n\t=. Please use an alias to rename it

你知道如何解决这个错误吗？谢谢！

Answer 1

让我们尝试使用最小二乘法来传递通配符别名，如下所示

   df.groupBy(["column1","column2"]).agg(*[sum(x).alias(f"sum_{x}") for x in df.drop('customerId').columns]).show()