在Pyspark中将列类型从字符串更改为日期

Question

我正在尝试将字符串类型从字符串更改为日期.我咨询了以下答案:

1. 如何在DataFrames中将列类型从String更改为Date？
2. 为什么我从date_format()PySpark函数得到null结果？

当我尝试从链接1应用答案时,我得到了null结果,所以我提到了链接2的答案,但我不明白这一部分:

output_format = ...  # Some SimpleDateFormat string

我想直接从评论中提问,但唉,我的声誉还不够.

Answer 1

希望这可以帮助!

from pyspark.sql.functions import col, unix_timestamp, to_date

#sample data
df = sc.parallelize([['12-21-2006'],
                     ['05-30-2007'],
                     ['01-01-1984'],
                     ['12-24-2017']]).toDF(["date_in_strFormat"])
df.printSchema()

df = df.withColumn('date_in_dateFormat', 
                   to_date(unix_timestamp(col('date_in_strFormat'), 'MM-dd-yyyy').cast("timestamp")))
df.show()
df.printSchema()

输出是:

root
 |-- date_in_strFormat: string (nullable = true)

+-----------------+------------------+
|date_in_strFormat|date_in_dateFormat|
+-----------------+------------------+
|       12-21-2006|        2006-12-21|
|       05-30-2007|        2007-05-30|
|       01-01-1984|        1984-01-01|
|       12-24-2017|        2017-12-24|
+-----------------+------------------+

root
 |-- date_in_strFormat: string (nullable = true)
 |-- date_in_dateFormat: date (nullable = true)

Answer 2

简单的方法：

from pyspark.sql.types import *
df_1 = df.withColumn("col_with_date_format",
df["col_with_date_format"].cast(DateType()))