python - 将 pyspark 字符串转换为日期格式

Question

我有一个日期 pyspark 数据框，其中包含格式为 MM-dd-yyyy 的字符串列，我正在尝试将其转换为日期列。

我尝试过:

df.select(to_date(df.STRING_COLUMN).alias('new_date')).show()

我得到了一串空值。有人可以帮忙吗？

Answer 1

更新(2018 年 1 月 10 日):

对于 Spark 2.2+，执行此操作的最佳方法可能是使用 to_date或to_timestamp函数，它们都支持 format 参数。来自文档:

>>> from pyspark.sql.functions import to_timestamp
>>> df = spark.createDataFrame([('1997-02-28 10:30:00',)], ['t'])
>>> df.select(to_timestamp(df.t, 'yyyy-MM-dd HH:mm:ss').alias('dt')).collect()
[Row(dt=datetime.datetime(1997, 2, 28, 10, 30))]

原始答案(适用于 Spark < 2.2)

无需 udf 即可(更好？)执行此操作:

from pyspark.sql.functions import unix_timestamp, from_unixtime

df = spark.createDataFrame(
    [("11/25/1991",), ("11/24/1991",), ("11/30/1991",)], 
    ['date_str']
)

df2 = df.select(
    'date_str', 
    from_unixtime(unix_timestamp('date_str', 'MM/dd/yyy')).alias('date')
)

print(df2)
#DataFrame[date_str: string, date: timestamp]

df2.show(truncate=False)
#+----------+-------------------+
#|date_str  |date               |
#+----------+-------------------+
#|11/25/1991|1991-11-25 00:00:00|
#|11/24/1991|1991-11-24 00:00:00|
#|11/30/1991|1991-11-30 00:00:00|
#+----------+-------------------+