Pyspark 将列类型从日期更改为字符串
Posted
技术标签:
【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?
【问题讨论】:
【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
【讨论】:
以上是关于Pyspark 将列类型从日期更改为字符串的主要内容,如果未能解决你的问题,请参考以下文章
Postgres 和 Laravel 如何将列从字符串类型更改为整数?
SQL Server 2012 如何将列的数据类型从位更改为日期字段?
Sequelize PostgreSQL:将列类型字符串更改为字符串数组