在 Pyspark 中将字符串更改为时间戳

Posted 2023-04-15

【中文标题】在 Pyspark 中将字符串更改为时间戳

【英文标题】：Changing string to timestamp in Pyspark

【发布时间】：2021-02-08 19:27:10

【问题描述】：

我正在尝试将字符串列转换为 Timestamp 列，格式为：

c1	c2
2019-12-10 10:07:54.000	2019-12-13 10:07:54.000
2020-06-08 15:14:49.000	2020-06-18 10:07:54.000

from pyspark.sql.functions import col, udf, to_timestamp

joined_df.select(to_timestamp(joined_df.c1, '%Y-%m-%d %H:%M:%S.%SSSS').alias('dt')).collect()
joined_df.select(to_timestamp(joined_df.c2, '%Y-%m-%d %H:%M:%S.%SSSS').alias('dt')).collect()

当日期改变时，我想要一个新的列日期差减去 c2-c1

在 python 中我正在这样做：

df['c1']        = df['c1'].fillna('0000-01-01').apply(lambda x: datetime.strptime(x, '%Y-%m-%d %H:%M:%S.%f'))

df['c2'] = df['c2'].fillna('0000-01-01').apply(lambda x:  datetime.strptime(x, '%Y-%m-%d %H:%M:%S.%f'))

df['days']     = (df['c2'] - df['c1']).apply(lambda x: x.days)

谁能帮忙转换成pyspark？

【问题讨论】：

这能回答你的问题吗？ Convert pyspark string to date format

我得到 dt= None

我使用了相同的格式，我不知道几秒后我有 .000

【参考方案1】：

如果要获取日期差，可以使用datediff：

import pyspark.sql.functions as F

df = df.withColumn('c1', F.col('c1').cast('timestamp')).withColumn('c2', F.col('c2').cast('timestamp'))
result = df.withColumn('days', F.datediff(F.col('c2'), F.col('c1')))
result.show(truncate=False)
+-----------------------+-----------------------+----+
|c1                     |c2                     |days|
+-----------------------+-----------------------+----+
|2019-12-10 10:07:54.000|2019-12-13 10:07:54.000|3   |
|2020-06-08 15:14:49.000|2020-06-18 10:07:54.000|10  |
+-----------------------+-----------------------+----+

【讨论】：

无需更改格式。数据框中的时间戳格式是标准的，您可以直接操作它们。

但我也想更改格式以用于其他配方

@user12063090 您可以将该列转换为时间戳，如编辑后的答案所示。