您可以在所有数据行上套用replace方法，方法是逐一查看数据行，然后选取，如下所示：

df = spark.createDataFrame([(1, 2, 3)], "id: int, address__test: int, state: int")
df.show()
+---+-------------+-----+
| id|address__test|state|
+---+-------------+-----+
|  1|            2|    3|
+---+-------------+-----+

from pyspark.sql.functions import col

new_cols = [col(c).alias(c.replace("__", "_")) for c in df.columns]
df.select(*new_cols).show()
+---+------------+-----+
| id|address_test|state|
+---+------------+-----+
|  1|           2|    3|
+---+------------+-----+

侧边标注：调用withColumnRenamed会使Spark为每个不同的调用创建一个Projection，而select只创建一个Projection，因此对于大量的列，select会快得多。

我有个建议。
我们获取所有目标列：

columns_to_edit = [col for col in df.columns if "__" in col]

然后我们使用for循环逐个编辑它们：

for column in columns_to_edit:
    new_column = column.replace("__", "_")
    df = df.withColumnRenamed(column, new_column)

这能解决您的问题吗？