apache-spark - 如何在DataFrame中使用具体时间戳填充无值？

Question

我使用 Spark 2.1 和 python 2.7.12。

假设如下:

from pyspark.sql.functions import *
import timestamp

data = [Row(time=datetime.datetime(2017, 1, 1, 0, 0, 0, 0)), Row (time=datetime.datetime(1980, 1, 1, 0, 0, 0, 0)), Row(time=None) ]

df = spark.createDataFrame(data)

使用方法 df.fillna({'time': datetime.datetime(1980, 1, 1, 0, 0, 0, 0)})填写 null特定时间的值/秒？

Answer 1

你可以试试 coalesce :

from pyspark.sql.functions import *
default_time = datetime.datetime(1980, 1, 1, 0, 0, 0, 0)
result = df.withColumn('time', coalesce(col('time'), lit(default_time)))

或者，如果您想继续使用 fillna ，您需要以标准格式将默认值作为字符串传递:

from pyspark.sql.functions import *
default_time = '1980-01-01 00:00:00'
result = df.fillna({'time': default_time})