当保存PySpark DataFrame后，如果出现列的空值性错误，可以考虑以下解决方法：

1. 填充空值：使用fillna函数来填充DataFrame中的空值。可以根据需要选择不同的填充方式，比如使用固定值、中位数、平均值等填充空值。

# 填充空值为0
df = df.fillna(0)

2. 删除包含空值的行：使用dropna函数删除包含空值的行。可以设置how参数来指定删除行的方式，比如只删除包含任何空值的行、删除所有值为空的行等。

# 删除包含空值的行
df = df.dropna(how='any')

3. 替换空值：使用replace函数来替换DataFrame中的空值。可以根据需要选择不同的替换方式，比如将空值替换为指定的值、替换为前一个或后一个非空值等。

# 将空值替换为指定的值
df = df.replace(None, 'NA')

4. 检查空值：使用isNull函数来检查DataFrame中的空值，并进行相应的处理。可以使用withColumn函数创建一个新的列，将空值替换为指定的值。

from pyspark.sql.functions import col

# 检查空值，并替换为空字符串
df = df.withColumn('new_col', col('old_col').isNull().cast('string'))

以上是一些常见的解决方法，可以根据具体情况选择适合的方式来处理列的空值性错误。