pyspark.sql.functions.avg与mean的区别及功能一致性确认

• 功能完全一致：这两个函数的核心作用都是计算指定列的算术平均值，处理空值的逻辑、聚合规则、返回结果的类型和数值完全没有区别。
• 本质是别名关系：在PySpark的源码实现里，mean()就是avg()的别名——底层调用的是同一个计算逻辑，只是对外暴露了两个不同的命名接口。
• 使用场景无差异：不管你在DataFrame聚合操作中使用pyspark.sql.functions.avg()还是pyspark.sql.functions.mean()，最终得到的结果完全相同。比如执行以下代码：

  from pyspark.sql import SparkSession
  from pyspark.sql.functions import avg, mean
  
  spark = SparkSession.builder.getOrCreate()
  df = spark.createDataFrame([(1, 10), (2, 20), (3, 30)], ["id", "value"])
  df.groupBy().agg(avg("value"), mean("value")).show()
  

  输出结果里两个聚合列的数值完全一致。

简单来说，文档里描述的功能相同是完全准确的，实际使用中二者没有任何区别，只是为了适配不同开发者的命名习惯提供了两个选项。

内容的提问来源于stack exchange，提问作者nirkov