使用自定义格式将数据类型列从字符串更改为日期

Question

我有一个DF字符串列，名为“ data”，格式为02/09/2019（dd / MM / yyyy）。 我想将列的数据类型从STRING更改为DATE，并保持相同的格式。 我正在使用Spark 2.1.0。

我已经尝试过以下声明：

df.select(to_date( unix_timestamp($"data", "dd/MM/yyyy").cast("timestamp")))

它将列从STRING转换为DATE，但格式为yyyy-MM-dd：

+----------+
|      data|
+----------+
|2003-07-22|
|2003-08-01|
+----------+

使用date_format函数，可以获得正确的格式但数据类型错误（再次为STRING）：

df.select(date_format(to_date( unix_timestamp($"data", "dd/MM/yyyy").cast("timestamp")), "dd/MM/yyyy") as "data").printSchema()

非常感谢。

Answer 1

Date数据类型期望格式为yyyy-MM-dd 。

如果我们的格式为dd/MM/yyyy并且不能转换为date数据类型(casting will result null value) 。

Example:

df.show() //sample data

+----------+
|      data|
+----------+
|22/07/2003|
|01/08/2003|
+----------+

---

df.selectExpr("date(data)").show() //casting to date type

+----+
|data|
+----+
|null|
|null|
+----+

How to cast to Datetype?

df.select(to_date(unix_timestamp($"data","dd/MM/yyyy").cast("timestamp")).alias("da")).show()

（要么）

df.select(from_unixtime(unix_timestamp($"data","dd/MM/yyyy"),"yyyy-MM-dd").cast("date").alias("da")).show()

+----------+
|        da|
+----------+
|2003-07-22|
|2003-08-01|
+----------+

---

printSchema:

df.select(from_unixtime(unix_timestamp($"data","dd/MM/yyyy"),"yyyy-MM-dd").cast("date").alias("dd")).printSchema
root
 |-- dd: date (nullable = true)