no message

Pyspark_job/dws/dws_aba_word_freq_cate.py

@@ -668,9 +668,10 @@ class DwsAbaWordFreqCate(Templates):
                 # 为什么先 dedup 再 avg：rank 是 search_term 维度的 ABA 排名（每个搜索词一个值，与分类无关），
                 #   上面 dedup 已按 (分类,base,search_term) 去重，所以叠词('shoe shoe rack')不会把同一搜索词算两次。
                 # 与 min_rank（分类内最佳排名）同范围：都只看本分类、本 scope 白名单过滤后的搜索词。
-                #   例：base='towel' 在某分类关联 3 个去重搜索词 rank=[5, 50, 200] → avg_rank=85.0
+                #   例：base='towel' 在某分类关联 3 个去重搜索词 rank=[5, 50, 200] → avg_rank=85（四舍五入取整）
                 # 口径与临时报表 spark_hjm/月词频计算/word_head.py 的 avg_rank 一致（那边是全站、不分类）。
-                F.round(F.avg('rank'), 2).alias('avg_rank'),
+                # 四舍五入到整数：下游导出到 PG 集群，平均排名不需要小数（round 到 0 位，下面 select 再 cast int）
+                F.round(F.avg('rank'), 0).alias('avg_rank'),
                 F.sum(F.when(F.col('date_info_first') >= self.year_ago, 1).otherwise(0)).alias('new_st_num'),
                 F.expr('min_by(search_term, rank)').alias('top_aba_example'))
 
@@ -745,7 +746,7 @@ class DwsAbaWordFreqCate(Templates):
             F.col('word_heat'),
             F.col('relate_st_num').cast('int').alias('relate_st_num'),
             F.col('min_rank').cast('int').alias('min_rank'),
-            F.col('avg_rank'),                                 # 分类内平均排名（保留 2 位小数，不取整）
+            F.col('avg_rank').cast('int').alias('avg_rank'),   # 分类内平均排名（四舍五入取整）
             F.col('new_st_num').cast('int').alias('new_st_num'),
             F.col('word_heat_last_year'),
             F.col('word_heat_change_rate'),