pyspark.pandas Series调用round报未定义__round__方法如何解决

• 用Python内置round()触发TypeError：pyspark.pandas（原Koalas）的Series类型没有实现Python内置__round__协议，和原生pandas的Series实现逻辑不同，因此无法直接被内置round()处理。
• 用pyspark.sql.functions.round触发参数错误：这个函数是原生Spark SQL层的专属API，只接受字符串列名、原生Spark Column类型的入参。你传入的是pyspark.pandas层的Series对象，不属于函数支持的入参类型，报错信息里带出的57 0.000000就是传入的Series对象的字符串表征，说明函数根本没把传入值识别为合法列对象。

pyspark.pandas本身提供了和原生pandas行为完全一致的round实现，不需要跨层调用Spark SQL函数，两种等价写法都可以正常运行：

1. Series实例方法调用（和原生pandas写法完全兼容，推荐优先使用）

df[Column_Name] = (df[Income] - df[Fees]).round(2)

2. pyspark.pandas顶层函数调用

import pyspark.pandas as ps
df[Column_Name] = ps.round(df[Income] - df[Fees], 2)

不要随意混用pyspark.sql和pyspark.pandas两层的API：两层API的核心数据结构（Spark SQL层的Column、pyspark.pandas层的Series/DataFrame）默认不做隐式转换，跨层传参很容易触发类型不匹配的报错。日常编写pyspark.pandas逻辑时，完全可以对照原生pandas的API习惯书写，绝大多数pandas支持的方法、函数在pyspark.pandas命名空间下都有同名对齐实现，不需要额外调用底层Spark SQL的函数。

内容的提问来源于stack exchange，提问作者mikelowry