来自时间戳和国家/地区的 pyspark 时区转换

Question

我正在尝试使用 PySpark 将 UTC 日期转换为具有本地时区（使用国家/地区）的日期。 我有国家作为字符串和日期作为时间戳

所以输入是：

date = Timestamp('2016-11-18 01:45:55') # type is pandas._libs.tslibs.timestamps.Timestamp

country = "FR" # Type is string

import pytz
import pandas as pd

def convert_date_spark(date, country):
    timezone = pytz.country_timezones(country)[0]

    local_time = date.replace(tzinfo = pytz.utc).astimezone(timezone)
    date, time = local_time.date(), local_time.time()

    return pd.Timestamp.combine(date, time)

# Then i'm creating an UDF to give it to spark

convert_date_udf = udf(lambda x, y : convert_date_spark(x, y), TimestampType())

然后我在提供 spark 的函数中使用它：

data = data.withColumn("date", convert_date_udf(data["date"], data["country"]))

我收到以下错误：

TypeError: tzinfo 参数必须为 None 或属于 tzinfo 子类，而不是类型 'str'

预期的输出是相同格式的日期

用 python 测试，_convert_date_spark_ 函数可以工作，但这在 pyspark 中不起作用

您能帮我找到解决方案吗？

谢谢

Answer 1

使用tzinfo 实例而不是string 作为时区。

>>> timezone_name = pytz.country_timezones(country)[0]
>>> timezone_name
'Europe/Paris'
>>> timezone = pytz.timezone(timezone_name)
>>> timezone
<DstTzInfo 'Europe/Paris' LMT+0:09:00 STD>
>>>