如何在 PySpark 中复制 Pandas 的 between_time 函数

Posted 2023-04-15

【中文标题】如何在 PySpark 中复制 Pandas 的 between_time 函数

【英文标题】：How to replicate the between_time function of Pandas in PySpark

【发布时间】：2020-12-12 03:42:49

【问题描述】：

我想在 PySpark 中复制 Pandas 的 between_time 函数。 是否有可能因为在 Spark 中数据帧是分布式的并且没有基于日期时间的索引？

i = pd.date_range('2018-04-09', periods=4, freq='1D20min')
ts = pd.DataFrame('A': [1, 2, 3, 4], index=i)
ts.between_time('0:45', '0:15')

在 PySpark 中是否有类似的可能？

pandas.between_time - API

【参考方案1】：

如果您在 Spark 数据框中有一个时间戳列，例如 ts，那么对于上述情况，您可以使用

import pyspark.sql.functions as F

df2 = df.filter(F.hour(F.col('ts')).between(0,0) & F.minute(F.col('ts')).between(15,45))