PySpark中如何将Double值四舍五入后正确转换为Integer类型？

我完全懂你的困扰——PySpark里直接把double类型的列转成integer确实只会粗暴截断小数部分，哪怕你已经用round处理过两位小数。别担心，有几种简单可靠的方法能实现你要的四舍五入取整效果：

方法一：二次Round后转Integer（最通用） #

既然你已经得到了保留两位小数的col4，只需要再对col4执行一次round（保留0位小数），然后转成integer类型即可。这个方法能完美处理正负数值，符合常规的四舍五入逻辑：

from pyspark.sql import functions as F

# 生成四舍五入后的整数列col5
df = df.withColumn("col5", F.round(F.col("col4"), 0).cast("integer"))

示例效果 #

假设你的原始数据是：

处理后col5的结果：

方法二：用表达式直接转换（适合SQL风格） #

如果你习惯用SQL表达式，也可以直接写一行完成：

df = df.withColumn("col5", F.expr("CAST(ROUND(col4, 0) AS INT)"))

效果和方法一完全一致，只是写法更贴近SQL语法。

为什么直接Cast不行？ #

PySpark的cast("integer")对浮点数采用截断取整逻辑：不管小数部分是0.1还是0.999，都会直接舍弃小数部分，只保留整数位。比如123.999直接转integer会得到123，而不是你期望的124。所以必须先通过round把浮点数调整到最接近的整数，再执行类型转换。

内容的提问来源于stack exchange，提问作者User12345