- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
编辑:我使用的是 pyspark 2.0.2,无法使用更高版本。
我有一些源数据的时间戳字段偏移量为零,我只是想从该字段中提取日期和小时。但是,spark 在检索日期和小时之前将此时间戳转换为本地时间(在我的例子中是美国东部时间)。使用 UDF 从时间戳字段中剥离 T 和 Z 并应用上述相同的函数是可行的,但这似乎是一种愚蠢的方式来满足我的需要。有什么想法吗?
from pyspark.sql import SparkSession
from pyspark.sql.functions import date_format, hour
spark = (
SparkSession
.builder
.appName('junk')
.getOrCreate()
)
spark.sparkContext.setLogLevel('ERROR')
df = spark.createDataFrame(
[(1, '2018-04-20T00:56:30.562Z'),
(2, '2018-04-20T03:56:30.562Z'),
(3, '2018-04-20T05:56:30.562Z')],
['id', 'ts']
)
df = (
df
.withColumn(
'event_dt',
date_format(df.ts.cast('timestamp'), 'yyyy-MM-dd').cast('date')
)
.withColumn('event_hr', hour(df.ts))
)
print(df.head(5))
输出如下:
[
Row(id=1, ts='2018-04-20T00:56:30.562Z', event_dt=datetime.date(2018, 4, 19), event_hr=20),
Row(id=2, ts='2018-04-20T03:56:30.562Z', event_dt=datetime.date(2018, 4, 19), event_hr=23),
Row(id=3, ts='2018-04-20T05:56:30.562Z', event_dt=datetime.date(2018, 4, 20), event_hr=1)
]
以下解决方法有效,但如果可能的话,我正在寻找更直接的方法:
from pyspark.sql.functions import udf
from pyspark.sql.types import StringType
stripTz = udf(lambda x: x.replace('T', ' ').replace('Z', ''), StringType())
df = (
df
.withColumn('newts', stripTz(df.ts))
)
df = (
df
.withColumn(
'event_dt',
date_format(df.newts.cast('timestamp'), 'yyyy-MM-dd').cast('date')
)
.withColumn('event_hr', hour(df.newts))
.drop('newts')
)
print(df.head(5))
新的输出如下和需要的:
[
Row(id=1, ts='2018-04-20T00:56:30.562Z', event_dt=datetime.date(2018, 4, 20), event_hr=0),
Row(id=2, ts='2018-04-20T03:56:30.562Z', event_dt=datetime.date(2018, 4, 20), event_hr=3),
Row(id=3, ts='2018-04-20T05:56:30.562Z', event_dt=datetime.date(2018, 4, 20), event_hr=5)
]
最佳答案
您使用的是什么版本的 Spark?在 2.2+ 中,只需将您的 sparksession 的时区设置为:
spark.conf.set("spark.sql.session.timeZone", "GMT")
或者,
df.select("id", "ts", pyspark.sql.functions.to_timestamp("ts").alias("timestamp"))
然后在提取日期/小时之前将时区更改为任何时间
关于apache-spark - pyspark date_format() 和 hour() 将时间戳转换为本地时间,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/49987367/
我在数据框中有一列月份数字,想将其更改为月份名称,所以我使用了这个: df['monthName'] = df['monthNumber'].apply(lambda x: calendar.mont
Pyspark 中是否有一个 input() 函数,我可以通过它获取控制台输入。如果是,请详细说明一下。 如何在 PySpark 中编写以下代码: directory_change = input("
我们正在 pyspark 中构建数据摄取框架,并想知道处理数据类型异常的最佳方法是什么。基本上,我们希望有一个拒绝表来捕获所有未与架构确认的数据。 stringDf = sparkSession.cr
我正在开发基于一组 ORC 文件的 spark 数据框的 sql 查询。程序是这样的: from pyspark.sql import SparkSession spark_session = Spa
我有一个 Pyspark 数据框( 原始数据框 )具有以下数据(所有列都有 字符串 数据类型): id Value 1 103 2
我有一台配置了Redis和Maven的服务器 然后我执行以下sparkSession spark = pyspark .sql .SparkSession .builder .master('loca
从一些简短的测试来看,pyspark 数据帧的列删除功能似乎不区分大小写,例如。 from pyspark.sql import SparkSession from pyspark.sql.funct
我有: +---+-------+-------+ | id| var1| var2| +---+-------+-------+ | a|[1,2,3]|[1,2,3]| | b|[2,
从一些简短的测试来看,pyspark 数据帧的列删除功能似乎不区分大小写,例如。 from pyspark.sql import SparkSession from pyspark.sql.funct
我有一个带有多个数字列的 pyspark DF,我想为每一列根据每个变量计算该行的十分位数或其他分位数等级。 这对 Pandas 来说很简单,因为我们可以使用 qcut 函数为每个变量创建一个新列,如
我有以下使用 pyspark.ml 包进行线性回归的代码。但是,当模型适合时,我在最后一行收到此错误消息: IllegalArgumentException: u'requirement failed
我有一个由 | 分隔的平面文件(管道),没有引号字符。示例数据如下所示: SOME_NUMBER|SOME_MULTILINE_STRING|SOME_STRING 23|multiline text
给定如下模式: root |-- first_name: string |-- last_name: string |-- degrees: array | |-- element: struc
我有一个 pyspark 数据框如下(这只是一个简化的例子,我的实际数据框有数百列): col1,col2,......,col_with_fix_header 1,2,.......,3 4,5,.
我有一个数据框 +------+--------------------+-----------------+---- | id| titulo |tipo | formac
我从 Spark 数组“df_spark”开始: from pyspark.sql import SparkSession import pandas as pd import numpy as np
如何根据行号/行索引值删除 Pyspark 中的行值? 我是 Pyspark(和编码)的新手——我尝试编码一些东西,但它不起作用。 最佳答案 您不能删除特定的列,但您可以使用 filter 或其别名
我有一个循环生成多个因子表的输出并将列名存储在列表中: | id | f_1a | f_2a | |:---|:----:|:-----| |1 |1.2 |0.95 | |2 |0.7
我正在尝试将 hql 脚本转换为 pyspark。我正在努力如何在 groupby 子句之后的聚合中实现 case when 语句的总和。例如。 dataframe1 = dataframe0.gro
我想添加新的 2 列值服务 arr 第一个和第二个值 但我收到错误: Field name should be String Literal, but it's 0; production_targe
我是一名优秀的程序员,十分优秀!