Pyspark：202001 和 202053（yyyyww）to_date 给出 null答案

【问题标题】：Pyspark: 202001 and 202053 (yyyyww) to_date gives nullPyspark：202001 和 202053（yyyyww）to_date 给出 null
【发布时间】：2021-04-20 17:10:22
【问题描述】：

我有一个带有 yearweek 列的数据框，我想将其转换为日期。我写的代码似乎每周都可以工作，除了'202001'和'202053'周，例如：

df = spark.createDataFrame([
(1, "202001"), 
(2, "202002"), 
(3, "202003"), 
(4, "202052"), 
(5, "202053")
], ['id', 'week_year'])

df.withColumn("date", F.to_date(F.col("week_year"), "yyyyw")).show()

这几周我不知道是什么错误，也不知道如何解决。如何将 202001 和 202053 周转换为有效日期？

【问题讨论】：

标签： date apache-spark pyspark apache-spark-sql week-number

【解决方案1】：

在 Spark 中处理 ISO 周确实是一个令人头疼的问题 - 事实上，此功能在 Spark 3 中已被弃用（删除？）。我认为在 UDF 中使用 Python 日期时间实用程序是一种更灵活的方法。

import datetime
import pyspark.sql.functions as F

@F.udf('date')
def week_year_to_date(week_year):
    # the '1' is for specifying the first day of the week
    return datetime.datetime.strptime(week_year + '1', '%G%V%u')

df = spark.createDataFrame([
(1, "202001"), 
(2, "202002"), 
(3, "202003"), 
(4, "202052"), 
(5, "202053")
], ['id', 'week_year'])

df.withColumn("date", week_year_to_date('week_year')).show()
+---+---------+----------+
| id|week_year|      date|
+---+---------+----------+
|  1|   202001|2019-12-30|
|  2|   202002|2020-01-06|
|  3|   202003|2020-01-13|
|  4|   202052|2020-12-21|
|  5|   202053|2020-12-28|
+---+---------+----------+

【讨论】：

谢谢，这对我有帮助！由于这是首选方式，我会将您的标记为答案。不幸的是，我们在集群上运行 Python 版本 3.5.2，所以我不得不恢复到一个更丑陋的解决方案。我会在另一个答案中添加我的。

【解决方案2】：

根据 mck 的回答，这是我最终用于 Python 3.5.2 版的解决方案：

import datetime
from dateutil.relativedelta import relativedelta
import pyspark.sql.functions as F

@F.udf('date')
def week_year_to_date(week_year):
    # the '1' is for specifying the first day of the week
    return datetime.datetime.strptime(week_year + '1', '%Y%W%w') - relativedelta(weeks = 1)

df = spark.createDataFrame([
(9, "201952"), 
(1, "202001"), 
(2, "202002"), 
(3, "202003"), 
(4, "202052"), 
(5, "202053")
], ['id', 'week_year'])

df.withColumn("date", week_year_to_date('week_year')).show()

如果不使用 3.6 中添加的“%G%V%u”，我必须从日期中减去一周才能得到正确的日期。

【讨论】：