apache-spark - 如何将时间戳类型的 PySpark 数据帧截断到当天？

Question

我有一个 PySpark 数据框，其中包含一列中的时间戳(称为“dt”列)，如下所示:

2018-04-07 16:46:00
2018-03-06 22:18:00

当我执行:

SELECT trunc(dt, 'day') as day

...我期望:

2018-04-07 00:00:00
2018-03-06 00:00:00

但我得到了:

null
null

如何截断到天而不是小时？

Answer 1

你使用了错误的功能。 trunc supports only a few formats :

Returns date truncated to the unit specified by the format.

:param format: 'year', 'yyyy', 'yy' or 'month', 'mon', 'mm'

使用 date_trunc instead :

Returns timestamp truncated to the unit specified by the format.

:param format: 'year', 'yyyy', 'yy', 'month', 'mon', 'mm', 'day', 'dd', 'hour', 'minute', 'second', 'week', 'quarter'

例子:

from pyspark.sql.functions import col, date_trunc

df = spark.createDataFrame(["2018-04-07 23:33:21"], "string").toDF("dt").select(col("dt").cast("timestamp"))

df.select(date_trunc("day", "dt")).show()
# +-------------------+                                                           
# |date_trunc(day, dt)|
# +-------------------+
# |2018-04-07 00:00:00|
# +-------------------+