从 Pyspark 中包含时间戳的字符串列中提取日期

Question

我有一个数据框，其日期格式如下：

+----------------------+
|date                  |
+----------------------+
|May 6, 2016 5:59:34 AM|
+----------------------+

我打算以 YYYY-MM-DD 的格式从中提取日期；所以结果应该是上述日期 - 2016-05-06。

但是当我提取时使用以下内容：

df.withColumn('part_date', from_unixtime(unix_timestamp(df.date, "MMM dd, YYYY hh:mm:ss aa"), "yyyy-MM-dd"))

我得到以下日期

2015-12-27

任何人都可以就此提出建议吗？我不打算将我的 df 转换为 rdd 以使用 python 中的 datetime 函数，并希望在它自己的数据框中使用它。

Answer 1

您的模式存在一些错误。这是一个建议：

from_pattern = 'MMM d, yyyy h:mm:ss aa'
to_pattern = 'yyyy-MM-dd'
df.withColumn('part_date', from_unixtime(unix_timestamp(df['date'], from_pattern), to_pattern)).show()

+----------------------+----------+
|date                  |part_date |
+----------------------+----------+
|May 6, 2016 5:59:34 AM|2016-05-06|
+----------------------+----------+