在阅读Spark文档时，我发现了一个更简单的解决方案。
自spark版本1.4起，有一个函数drop(col)，可用于 Dataframe 上的pysark。
您可以通过两种方式使用它

1. df.drop('age')个
2. df.drop(df.age)
   Pyspark Documentation - Drop

添加到@Patrick 's answer，您可以使用以下命令删除多个列

columns_to_drop = ['id', 'id_copy']
df = df.drop(*columns_to_drop)

一个简单的方法是使用“select“，并意识到您可以获得dataframe的所有columns的列表，即df，其中df.columns

drop_list = ['a column', 'another column', ...]

df.select([column for column in df.columns if column not in drop_list])

可以采用两种方式：
1：您只需保留必要的列：

drop_column_list = ["drop_column"]
df = df.select([column for column in df.columns if column not in drop_column_list])

2：这是更优雅的方式。

df = df.drop("col_name")

你应该避免collect（）版本，因为它会向master发送完整的数据集，这将需要大量的计算工作！

您可以显式命名要保留的列，如下所示：

keep = [a.id, a.julian_date, a.user_id, b.quan_created_money, b.quan_created_cnt]

或者，在一个更通用的方法中，你可以通过列表解析包含除特定列之外的所有列，例如（从b中排除id列）：

keep = [a[c] for c in a.columns] + [b[c] for c in b.columns if c != 'id']

最后，对连接结果进行选择：

d = a.join(b, a.id==b.id, 'outer').select(*keep)

也许有点离题，但这里是使用Scala的解决方案。从您的oldDataFrame创建一个包含列名的Array，并删除您要删除的("colExclude")列。然后将Array[Column]传递给select并解包。

val columnsToKeep: Array[Column] = oldDataFrame.columns.diff(Array("colExclude"))
                                               .map(x => oldDataFrame.col(x))
val newDataFrame: DataFrame = oldDataFrame.select(columnsToKeep: _*)

是的，可以通过如下切片来删除/选择列：
切片=数据.列[a：B]
data.select切片）.show（）
示例：

newDF = spark.createDataFrame([
                           (1, "a", "4", 0), 
                            (2, "b", "10", 3), 
                            (7, "b", "4", 1), 
                            (7, "d", "4", 9)],
                            ("id", "x1", "x2", "y"))

slice = newDF.columns[1:3]
newDF.select(slice).show()

使用select方法获取特性列：

features = newDF.columns[:-1]
newDF.select(features).show()

使用drop方法获取最后一列：

last_col= newDF.drop(*features)
last_col.show()

考虑2个 Dataframe ：

>>> aDF.show()
+---+----+
| id|datA|
+---+----+
|  1|  a1|
|  2|  a2|
|  3|  a3|
+---+----+

和

>>> bDF.show()
+---+----+
| id|datB|
+---+----+
|  2|  b2|
|  3|  b3|
|  4|  b4|
+---+----+

要实现您的目标，有两种方法：

**1.加入条件不同。**不要说aDF.id == bDF.id

aDF.join(bDF, aDF.id == bDF.id, "outer")

写下：

aDF.join(bDF, "id", "outer").show()
+---+----+----+
| id|datA|datB|
+---+----+----+
|  1|  a1|null|
|  3|  a3|  b3|
|  2|  a2|  b2|
|  4|null|  b4|
+---+----+----+

这将自动摆脱额外的下降过程。

**2.使用别名：**您将丢失此中与B特定ID相关的数据。

>>> from pyspark.sql.functions import col
>>> aDF.alias("a").join(bDF.alias("b"), aDF.id == bDF.id, "outer").drop(col("b.id")).show()

+----+----+----+
|  id|datA|datB|
+----+----+----+
|   1|  a1|null|
|   3|  a3|  b3|
|   2|  a2|  b2|
|null|null|  b4|
+----+----+----+

您可以这样删除列：

df.drop("column Name).columns

在您的情况下：

df.drop("id").columns

如果要删除多个列，可以执行以下操作：

dfWithLongColName.drop("ORIGIN_COUNTRY_NAME", "DEST_COUNTRY_NAME")