示例代码：

# 导入必要的库
from pyspark.sql import SparkSession

# 创建SparkSession
spark = SparkSession.builder.appName("describe_and_summary_example").getOrCreate()

# 读取数据集
df = spark.read.csv("data.csv", header=True, inferSchema=True)

# 使用describe()方法计算统计指标
describe_df = df.describe()

# 使用summary()方法计算详细统计信息
summary_df = df.summary()

# 打印结果
print("describe()方法的结果：")
describe_df.show()

print("summary()方法的结果：")
summary_df.show()

上述代码中，假设data.csv是包含数据的CSV文件。首先，通过SparkSession创建一个Spark会话。然后，使用spark.read.csv()方法读取CSV文件并创建一个DataFrame。接下来，分别使用describe()和summary()方法计算统计指标，并将结果分别保存到describe_df和summary_df中。最后，通过show()方法打印出结果。

请注意，根据具体的数据集和需求，可以适当调整代码中的数据集路径和列名等参数。