Pyspark 将列类型从日期更改为字符串

Posted 2023-04-17

【中文标题】Pyspark 将列类型从日期更改为字符串

【英文标题】：Pyspark changing type of column from date to string

【发布时间】：2015-10-06 18:45:06

【问题描述】：

我有以下数据框：

corr_temp_df
[('vacationdate', 'date'),
 ('valueE', 'string'),
 ('valueD', 'string'),
 ('valueC', 'string'),
 ('valueB', 'string'),
 ('valueA', 'string')]

现在我想将vacationdate 列的数据类型更改为String，以便数据框也采用这种新类型并覆盖所有条目的数据类型数据。例如。写完后：

corr_temp_df.dtypes

vacationdate 的数据类型应该被覆盖。

我已经使用过 cast、StringType 或 astype 等函数，但没有成功。你知道怎么做吗？

【参考方案1】：

让我们创建一些虚拟数据：

import datetime
from pyspark.sql import Row
from pyspark.sql.functions import col

row = Row("vacationdate")

df = sc.parallelize([
    row(datetime.date(2015, 10, 07)),
    row(datetime.date(1971, 01, 01))
]).toDF()

如果您的 Spark >= 1.5.0，您可以使用 date_format 函数：

from pyspark.sql.functions import date_format

(df
   .select(date_format(col("vacationdate"), "dd-MM-YYYY")
   .alias("date_string"))
   .show())

在 Spark

df.registerTempTable("df")
sqlContext.sql(
    "SELECT date_format(vacationdate, 'dd-MM-YYYY') AS date_string FROM df")

它当然在 Spark >= 1.5.0 中仍然可用。

如果你不使用HiveContext，你可以使用UDF模仿date_format：

from pyspark.sql.functions import udf, lit
my_date_format = udf(lambda d, fmt: d.strftime(fmt))

df.select(
    my_date_format(col("vacationdate"), lit("%d-%m-%Y")).alias("date_string")
).show()

请注意它使用的是C standard format 而不是Java simple date format