PySpark加载/保存函数中使用"true"与True是否存在差异？

在Spark的Python API中，字符串形式的"true"/"false"和Python原生布尔值True/False没有功能或性能上的显著差异，核心原因在于Spark内部会自动完成类型转换：

• 内部解析逻辑：无论是通过spark.read.load()的关键字参数传入字符串，还是通过.option()方法传入布尔值，Spark的参数处理模块都会将字符串形式的"true"/"false"（不区分大小写，如"TRUE"、"False"也有效）自动转换为对应的布尔类型。两种写法最终触发的Spark行为完全一致。
• 代码风格建议：
  • 如果你写的是纯Python代码，更推荐使用原生的True/False，符合PEP8规范，代码可读性更强；
  • 如果参数是从配置文件、环境变量等外部来源读取的字符串格式，直接传入"true"/"false"更便捷，无需额外做类型转换。
• 性能影响：这种参数类型转换仅在Driver端的初始化阶段完成，属于极轻量的操作，不会对Spark作业的分布式计算性能产生任何可感知的影响。

举个实际例子，你提到的两种写法：

# 字符串形式参数
df = spark.read.load("examples/src/main/resources/people.csv",
format="csv", sep=";", inferSchema="true", header="true")

和

# 布尔值参数
df3 = spark.read.option("delimiter", ";").option("header", True).csv(path)

最终Spark都会将header参数解析为布尔值True，处理CSV文件时都会识别首行为表头，效果完全相同。

内容的提问来源于stack exchange，提问作者Spacez