使用round函数时PySpark3列名显示异常问题

错误原因 #

你的代码把round()函数嵌套在expr()外面，导致PySpark将整个round的调用表达式作为列名，而非你在expr内定义的invoice_value。外层的round无法识别expr内部的别名定义，直接将整个计算逻辑作为列名输出。

正确写法 #

方式一：将round整合到expr表达式内 #

把round计算和别名定义放在同一个expr中，让PySpark直接识别最终列名：

summary_df1 = orders_df\
    .groupBy("country", "invoiceno")\
    .agg(
        expr("sum(quantity) as total_quantity"),
        expr("round(sum(quantity * unitprice), 0) as invoice_value")
    )\
    .sort("invoiceno")

方式二：使用PySpark原生函数组合（推荐） #

避免嵌套expr，直接用PySpark内置函数+alias()定义列名，代码更易读：

from pyspark.sql.functions import sum, round, col

summary_df1 = orders_df\
    .groupBy("country", "invoiceno")\
    .agg(
        sum("quantity").alias("total_quantity"),
        round(sum(col("quantity") * col("unitprice")), 0).alias("invoice_value")
    )\
    .sort("invoiceno")

内容的提问来源于stack exchange，提问作者jay suryavanshi