PySpark代码转换报错：'float'对象没有'cast'属性

错误原因 #

你写的代码里，100.00-(null_count/total)*100计算后得到的是Python原生float对象，而.cast()是PySpark Column类型专属的方法，两者类型不匹配，所以触发报错。

分场景解决方案 #

根据null_count和total的类型，分两种情况处理：

场景1：null_count、total是Python本地变量（比如从df.count()获取的数值）

这种情况直接用Python原生逻辑处理即可，不需要PySpark的cast：

# 直接计算并保留两位小数，round返回结果本身就是float类型
d = round(100.00 - (null_count / total) * 100, 2)

# 如果明确需要显式转float（其实没必要，round返回已经是float）
d = float(round(100.00 - (null_count / total) * 100, 2))

场景2：null_count、total是PySpark Column对象（比如在withColumn中使用）

此时必须用PySpark SQL函数处理，调整操作顺序，确保运算对象是Column类型：

from pyspark.sql import functions as F

# 先执行列运算，转换为float类型，再保留两位小数
d = F.round((100.00 - (F.col("null_count") / F.col("total")) * 100).cast("float"), 2)

# 若需要银行家舍入（四舍六入五成双），可替换为F.bround
# d = F.bround((100.00 - (F.col("null_count") / F.col("total")) * 100).cast("float"), 2)

关键注意点 #

PySpark的Column对象和Python原生数值类型的方法不能混用：

• 处理本地数值用Python原生函数（round、float等）
• 处理PySpark列必须依赖pyspark.sql.functions中的方法

内容的提问来源于stack exchange，提问作者priston