如何强制PySpark的round函数使用Banker's Rounding（银行家舍入）

PySpark内置的round()函数固定采用HALF_UP（即常说的四舍五入）模式，无法通过参数切换为0.5向最近偶数舍入的银行家舍入规则，且Python原生round()无法直接作用于分布式Column对象，可通过以下方案实现需求：

方案1：使用原生内置bround函数（优先推荐，无性能损耗） #

PySpark 2.0及以上版本已经内置了专门实现银行家舍入的bround函数（命名来自banker's round的缩写），该函数由Spark引擎原生实现，会被Catalyst优化器正常优化，执行性能和普通round函数完全一致，是生产环境首选方案。

代码示例 #

from pyspark.sql.functions import col, bround

# 完成汇率转换计算
df = df.withColumn(new_name, col(old_name) * col('ExchangeRate'))
# 调用bround执行银行家舍入，默认保留0位小数，需要保留指定位数小数时传入第二个参数即可
df = df.select("*", bround(col(new_name)).alias(f"{new_name}_rounded"))

# 例：保留2位小数的写法
# df = df.select("*", bround(col(new_name), 2).alias(f"{new_name}_rounded"))

效果验证 #

对测试值做舍入的结果完全符合银行家舍入规则：

• 2.5 → 2
• 3.5 → 4
• 2.4 → 2
• 2.6 → 3

方案2：Pandas UDF封装原生round（仅适用于2.0以下老旧Spark版本） #

如果你的Spark版本低于2.0（目前已极少使用），可以通过Pandas UDF封装Python原生的round()方法实现，该方式为向量化执行，性能远高于逐行计算的普通Python UDF，可适配大数据量场景。

代码示例 #

from pyspark.sql.functions import pandas_udf
import pandas as pd

# 定义银行家舍入UDF，返回值类型可根据需求调整，示例为返回整数类型
@pandas_udf("long")
def banker_round(s: pd.Series) -> pd.Series:
    # 括号内参数为保留的小数位数，和Python原生round参数规则一致
    return s.round(0)

# 使用方式
df = df.withColumn(new_name, col(old_name) * col('ExchangeRate'))
df = df.select("*", banker_round(col(new_name)).alias(f"{new_name}_rounded"))

注意：不要使用普通逐行Python UDF实现该逻辑，在大数据量下会有非常明显的性能瓶颈。

避坑提示 #

• 不要尝试直接将Python原生round()函数传入withColumn/select方法，该函数仅能处理本地Python数值，无法识别Spark分布式Column对象，会直接抛出类型错误。
• bround的参数规则和round完全一致，除了舍入逻辑不同外，不需要做额外的代码适配。

内容的提问来源于stack exchange，提问作者ifrycolorado