weekofyear()返回1月1日看似不正确的结果

Question

我不太清楚为什么我的代码给出了52作为答案:weekofyear("01/JAN/2017").

有没有人对此有可能的解释？有一个更好的方法吗？

from pyspark.sql import SparkSession, functions
spark = SparkSession.builder.appName('weekOfYear').getOrCreate()
from pyspark.sql.functions import to_date

df = spark.createDataFrame(
    [(1, "01/JAN/2017"), (2, "15/FEB/2017")], ("id", "date")) 

df.show()
+---+-----------+
| id|       date|
+---+-----------+
|  1|01/JAN/2017|
|  2|15/FEB/2017|
+---+-----------+

计算一年中的一周

df=df.withColumn("weekofyear", functions.weekofyear(to_date(df["date"],"dd/MMM/yyyy")))

df.printSchema()

root
 |-- id: long (nullable = true)
 |-- date: string (nullable = true)
 |-- weekofyear: integer (nullable = true)

df.show()

"错误"如下所示:

+---+-----------+----------+
| id|       date|weekofyear|
+---+-----------+----------+
|  1|01/JAN/2017|        52|
|  2|15/FEB/2017|         7|
+---+-----------+----------+

Answer 1

weekofyear()如果星期一是星期一到星期四,似乎只会在1月1日返回1.

为了确认,我创建了一个"01/JAN/YYYY"从1900年到2018年的所有DataFrame :

df = sqlCtx.createDataFrame(
    [(1, "01/JAN/{y}".format(y=year),) for year in range(1900,2019)],
    ["id", "date"]
)

现在让我们将它转​​换为日期,获取星期几,并计算以下值weekofyear():

import pyspark.sql.functions as f
df.withColumn("d", f.to_date(f.from_unixtime(f.unix_timestamp('date', "dd/MMM/yyyy"))))\
    .withColumn("weekofyear", f.weekofyear("d"))\
    .withColumn("dayofweek", f.date_format("d", "E"))\
    .groupBy("dayofweek", "weekofyear")\
    .count()\
    .show()
#+---------+----------+-----+
#|dayofweek|weekofyear|count|
#+---------+----------+-----+
#|      Sun|        52|   17|
#|      Mon|         1|   18|
#|      Tue|         1|   17|
#|      Wed|         1|   17|
#|      Thu|         1|   17|
#|      Fri|        53|   17|
#|      Sat|        53|    4|
#|      Sat|        52|   12|
#+---------+----------+-----+

注意,我使用的是Spark v 2.1,to_date()它不接受格式参数,因此我必须使用此答案中描述的方法将字符串转换为日期.

同样to_date()只返回1:

• 1月2日,如果星期几是星期一到星期五.
• 1月3日,如果星期几是星期一到星期六.

更新

此行为与ISO 8601定义一致.