从 Pyspark 中包含时间戳的字符串列中提取日期

Question

我有一个日期格式如下的数据框：

+----------------------+
|date                  |
+----------------------+
|May 6, 2016 5:59:34 AM|
+----------------------+

我打算从中提取格式为 YYYY-MM-DD 的日期；所以结果应该是上述日期 - 2016-05-06.

但是当我提取时使用以下内容：

df.withColumn('part_date', from_unixtime(unix_timestamp(df.date, "MMM dd, YYYY hh:mm:ss aa"), "yyyy-MM-dd"))

我得到以下日期

2015-12-27

有人可以就此提出建议吗？我不打算将我的 df 转换为 rdd 以使用 python 中的 datetime 函数，而是想在它自己的数据框中使用它。

Answer 1

您的模式有一些错误。这里有一个建议：

from_pattern = 'MMM d, yyyy h:mm:ss aa'
to_pattern = 'yyyy-MM-dd'
df.withColumn('part_date', from_unixtime(unix_timestamp(df['date'], from_pattern), to_pattern)).show()

+----------------------+----------+
|date                  |part_date |
+----------------------+----------+
|May 6, 2016 5:59:34 AM|2016-05-06|
+----------------------+----------+

从 Pyspark 中包含时间戳的字符串列中提取日期

Extract date from a string column containing timestamp in Pyspark

datetime

apache-spark

pyspark

pyspark-sql