Pyspark：两个日期之间的差异（Cast TimestampType、Datediff）

Question

有一个 table 包含事件和特定时间戳。我努力计算使用 Pyspark 2.0 API 的天数。当时间戳遵循另一种格式 (yyyy-mm-dd)

时，我设法做了同样的事情

    +-------------------+------------------------+----------+--------------+
     | first_booking_date|first_booking_date_clean|  today   |customer_since|
    +-------------------+------------------------+----------+--------------+
     |02-06-2011 20:52:04|              02-06-2011|02-06-2011|          null|
     |03-06-2004 18:15:10|              03-06-2004|02-06-2011|          null|

我尝试了以下方法（无效）： - 使用字符串操作提取日期并使用 datediff - 转换为时间戳，然后提取 dd:MM:yy (->result null) - 我更喜欢使用 pyspark 命令而不是使用 sql

的任何其他转换

非常感谢帮助，最好，非常感谢！！！

编辑：这是一个无效的例子：

import datetime
today = datetime.date(2011,2,1)
today = "02-06-2011"
first_bookings = first_bookings.withColumn("today",F.lit(today))
first_bookings = first_bookings.withColumn("first_booking_date_clean",F.substring(first_bookings.first_booking_date, 0, 10))
first_bookings = first_bookings.withColumn("customer_since",F.datediff(first_bookings.today,first_bookings.first_booking_date_clean))

Answer 1

这个答案基本上是的复制在您的情况下，first_booking_date_clean 和 today

列的 timeFmt 为 "dd-MM-yyyy"

从 Spark 1.5 开始，您可以使用 unix_timestamp:

from pyspark.sql import functions as F
timeFmt = "yyyy-MM-dd'T'HH:mm:ss.SSS"
timeDiff = (F.unix_timestamp('EndDateTime', format=timeFmt)
            - F.unix_timestamp('StartDateTime', format=timeFmt))
df = df.withColumn("Duration", timeDiff)

Pyspark：两个日期之间的差异（Cast TimestampType、Datediff）

Pyspark: Difference between two Dates (Cast TimestampType, Datediff)

timestamp

pyspark

datediff