PySpark：如何对df.summary()的指定列执行取整操作？

针对你遇到的问题，这里提供两种简洁的实现方式，既能对Summary列以外的数值列执行取整操作，又能完整保留Summary列的原始分类值：

方法1：使用assign方法（不修改原DataFrame） #

通过字典推导式生成需要取整的列及其处理结果，再用assign方法合并回原DataFrame，不会影响Summary列：

# 这里以保留2位小数为例，可根据需求调整round的参数
df_rounded = df.assign(**{col: df[col].round(2) for col in df.columns[1:]})

方法2：使用loc切片修改（支持原地或复制修改） #

如果需要原地修改原DataFrame，或者先复制再修改避免影响原数据：

# 先复制原DataFrame，避免修改原始数据
df_rounded = df.copy()
# 选中除Summary外的所有列，执行取整操作
df_rounded.loc[:, df.columns[1:]] = df_rounded.loc[:, df.columns[1:]].round(2)

为什么之前的方法会出问题？ #

• 使用select加列表推导式时，若只选择了columns[1:]的列却未重新合并Summary列，就会丢失该列；如果错误地对Summary列执行数值处理，会导致分类值转为NULL。
• 直接切片df.columns[1:]赋值时，若没有保留原DataFrame的完整结构，而是直接生成子DataFrame，自然会丢失Summary列。

内容的提问来源于stack exchange，提问作者Neptunas