在 PySpark 中将 Unix 时间戳转换为毫秒时间戳

Question

我的数据帧时间戳中有一列中有一个列，其中包含 UNIX 13 位时间戳，如下所示：

| 时间戳|
| ------------- |
| 1584528257638 |
| 1586618807677 |
| 1585923477767 |
| 1583314882085 |

使用 pandas 可以很容易地将其转换为：

ms = pd.to_datetime(df[column], unit='ms')
df[column] = ms

然而，在 pySpark 中，这并不那么容易，我发现了其他一些内容，例如这篇文章试图实现这个目标。最后毫秒的串联对我不起作用，它总是导致第二个时间戳 (HH:mm:ss) 而不是 HH:mm:ss.SSS。

到目前为止我尝试过的是：

df = df.withColumn("unix_timestamp", F.unix_timestamp(df.timestamp,'yyyy-MM-dd HH:mm:ss.SSS z') + F.substring(df.timestamp, -3,3).cast('float')/1000)

df = df.withColumn("ms_Timestamp", F.to_timestamp(df["unix_timestamp"]))

不幸的是，没有将其转换为毫秒时间戳，我不知道还能做什么。

我将不胜感激最终获得毫秒时间戳的任何帮助。

祝一切顺利，并提前致谢。

Answer 1

默认to_timestamp, from_unixtime, unix_timestamp函数不会产生毫秒。

但要获得解决方法，请使用from_unixtime和concat函数来获取以毫秒为单位的时间戳。

#using substring function
df.withColumn("unix_timestamp", concat_ws(".",from_unixtime(substring(col("timestamp"),0,10),"yyyy-MM-dd HH:mm:ss"),substring(col("timestamp"),-3,3))).show(10,False)

#using divide function
df.withColumn("unix_timestamp", concat_ws(".",from_unixtime((col("timestamp")/1000),"yyyy-MM-dd HH:mm:ss"),substring(col("timestamp"),-3,3))).show(10,False)
#+-------------+-----------------------+
#|timestamp    |unix_timestamp         |
#+-------------+-----------------------+
#|1584528257638|2020-03-18 05:44:17.638|
#|1586618807677|2020-04-11 10:26:47.677|
#|1585923477767|2020-04-03 09:17:57.767|
#|1583314882085|2020-03-04 03:41:22.085|
#+-------------+-----------------------+