scala - 将Spark Scala App的同一数据框中的“天数”列添加到“日期”列

Question

我有一个dataframe columns的("id", "current_date", "days") df，我正在尝试将“days”添加到“current_date”，并使用spark scala函数dataframe用新的column创建一个新的new_date称为“date_add()”

val newDF = df.withColumn("new_Date", date_add(df("current_date"), df("days").cast("Int")))

但是看起来函数 date_add仅接受 Int值，而不接受 columns。在这种情况下如何获得所需的输出？我可以使用其他功能来获得所需的输出吗？

星火版本:1.6.0
Scala版本:2.10.6

Answer 1

小型自定义udf可用于使此日期运算成为可能。

import org.apache.spark.sql.functions.udf
import java.util.concurrent.TimeUnit
import java.util.Date
import java.text.SimpleDateFormat    

val date_add = udf((x: String, y: Int) => {
    val sdf = new SimpleDateFormat("yyyy-MM-dd")
    val result = new Date(sdf.parse(x).getTime() + TimeUnit.DAYS.toMillis(y))
  sdf.format(result)
} )

用法:

scala> val df = Seq((1, "2017-01-01", 10), (2, "2017-01-01", 20)).toDF("id", "current_date", "days")
df: org.apache.spark.sql.DataFrame = [id: int, current_date: string, days: int]

scala> df.withColumn("new_Date", date_add($"current_date", $"days")).show()
+---+------------+----+----------+
| id|current_date|days|  new_Date|
+---+------------+----+----------+
|  1|  2017-01-01|  10|2017-01-11|
|  2|  2017-01-01|  20|2017-01-21|
+---+------------+----+----------+