使用 pyspark.sql.functions unix_timestamp 得到 null

Question

我尝试使用此代码将列从字符串转换为时间戳

from pyspark.sql.functions import unix_timestamp
(sc
.parallelize([Row(dt='2017-01-23T08:12:39.929+01:00')])
.toDF()
.withColumn("parsed", unix_timestamp("dt", "yyyy-MM-ddThh:mm:ss")
.cast("double")
.cast("timestamp"))
.show(1, False))

但我得到空值

+-----------------------------+------+
|dt                           |parsed|
+-----------------------------+------+
|2017-01-23T08:12:39.929+01:00|null  |
+-----------------------------+------+

为什么？

Answer 1

您得到 NULL 因为您使用的格式与数据不匹配。要获得最小匹配，您必须使用单引号转义 T:

yyyy-MM-dd'T'kk:mm:ss

要匹配完整模式，您需要 S 毫秒和 X 时区：

yyyy-MM-dd'T'kk:mm:ss.SSSXXX

但是在当前的Spark版本中直接cast:

from pyspark.sql.functions import col

col("dt").cast("timestamp")

应该可以正常工作：

spark.sql(
    """SELECT CAST("2011-01-23T08:12:39.929+01:00" AS timestamp)"""
).show(1, False)

+------------------------------------------------+
|CAST(2011-01-23T08:12:39.929+01:00 AS TIMESTAMP)|
+------------------------------------------------+
|2011-01-23 08:12:39.929                         |
+------------------------------------------------+

参考：SimpleDateFormat。

使用 pyspark.sql.functions unix_timestamp 得到 null

with pyspark.sql.functions unix_timestamp get null

python

unix-timestamp

apache-spark

pyspark