您无法控制写Spark操作的输出名称。
但是，您始终可以重命名它：

from py4j.java_gateway import java_import

java_import(spark._jvm, 'org.apache.hadoop.fs.Path')

fs = spark._jvm.org.apache.hadoop.fs.FileSystem.get(spark._jsc.hadoopConfiguration())

list_status = fs.listStatus(spark._jvm.org.apache.hadoop.fs.Path(CSVPath))

file_name = [file.getPath().getName() for file in list_status if file.getPath().getName().startswith('part-')][0]

print(file_name)

fs.rename(sc._jvm.Path(CSVPath+''+file_name), sc._jvm.Path(CSVPath+"data1_0331.csv"))

这段代码将列出输出路径中的所有文件，并查找以part-开头的文件，然后将它们重命名为所需的名称。

Spark使用并行来加速计算，所以Spark尝试为一个CSV写多个文件是正常的，这将加快阅读部分的速度。
所以如果你只使用Spark：保持这样，会更快。
但是，如果您真的想将数据保存为单个CSV文件，您可以使用panda，如下所示：
summary.toPandas().to_csv("202003/data1_0331.csv")

当使用pyspark写入文件时，我们不能强制更改文件名，唯一的方法是在写入文件后，我们可以在函数的帮助下重命名它

source_path = "your source path"
destination_path = "your destination path"

def rename_file_with_location(source_path,destination_path,file_name):
    files = dbutils.fs.ls(source_path)
    csv_file = [x.path for x in files if x.path.endswith(".csv")][0]
    file_name_csv=csv_file.split('/')[4]
    dbutils.fs.mv(csv_file, destination_path + file_name)
    print("File has been renamed from"+source_path+"to this"+destination_path+file_name)

在这个函数的帮助下，你可以重命名pyspark分区的csv文件。

注：-此功能只适用于一个csv文件，您可以通过更改代码的第二行轻松地将其更改为多个，或者如果您不想更改代码，您也可以在一个分区中编写，但它有自己的缺点。

It can be done by using the .coalesce(1) function