.alias()通常用于重命名列，但它也是一个DataFrame方法，可以给予您想要的内容：

df2 = df.alias('df2')
id(df2) == id(df)  # False

正如在对另一个问题的回答中所解释的，你可以创建一个初始模式的深副本，然后我们可以修改这个副本，并使用它来初始化新的DataFrame_X：

import pyspark.sql.functions as F
from pyspark.sql.types import LongType
import copy

X = spark.createDataFrame([[1,2], [3,4]], ['a', 'b'])
_schema = copy.deepcopy(X.schema)
_schema.add('id_col', LongType(), False) # modified inplace
_X = X.rdd.zipWithIndex().map(lambda l: list(l[0]) + [l[1]]).toDF(_schema)

现在让我们检查：

print('Schema of X: ' + str(X.schema))
print('Schema of _X: ' + str(_X.schema))

输出：

Schema of X: StructType(List(StructField(a,LongType,true),StructField(b,LongType,true)))
Schema of _X: StructType(List(StructField(a,LongType,true),
                  StructField(b,LongType,true),StructField(id_col,LongType,false)))

请注意，要复制DataFrame，您可以只使用_X = X。每当您使用withColumn添加一个新列时，对象不会在原处更改，而是返回一个新副本。希望这对您有所帮助！

如果您需要创建一个pyspark Dataframe 的副本，您可以使用Pandas（如果您的用例允许的话）。

schema = X.schema
X_pd = X.toPandas()
_X = spark.createDataFrame(X_pd,schema=schema)
del X_pd

在Scala中：
1.使用“X.schema.copy”创建新模式示例，而不修改旧模式;
1.在每个返回Dataframe（“select”、“where”等）的Dataframe操作中，将创建新的Dataframe，而不修改原始数据。原始数据可以反复使用。猜猜看，您的情况不需要复制。性能是单独的问题，可以使用“persist”。

df2 = df.select("*")
id(df2) = id(df)  # False

这与@SantiagoRodriguez给出的答案相同，也代表了与@tozCSS共享的类似方法。我相信@tozCSS使用.alias()代替.select()的建议可能确实是最有效的。