在 pyspark 中将字符串列转换为日期

Question

我有一个 dataframe ，其中日期/时间列是字符串数据类型，看起来像"Tue Apr 21 01:16:19 2020" 。 如何将其转换为 pyspark 中格式为2020/04/21的日期列。 我尝试过这样的事情，

选项1：

df = df.withColumn("event_time2",from_unixtime(unix_timestamp(col("Event_time"), 'MM/dd/yyy')))

选项2：

df= df.withColumn("event_time2",unix_timestamp(col("Event_time"),'yyyy-MM-dd HH:mm:ss').cast("timestamp"))

但两者都返回 null

Answer 1

您可以使用to_date和date_format 。 EEE是day in the week 。 完整列表参考Java 简单数据格式

from pyspark.sql import functions as F
df.withColumn("Event_time2", F.to_date("Event_time", 'EEE MMM dd HH:mm:ss yyyy')).show(truncate=False)

#+------------------------+-----------+
#|Event_time              |Event_time2|
#+------------------------+-----------+
#|Tue Apr 21 01:16:19 2020|2020-04-21 |
#+------------------------+-----------+


df.withColumn("Event_time2", F.date_format(F.to_date("Event_time", 'EEE MMM dd HH:mm:ss yyyy'),'yyyy/MM/dd')).show(truncate=False)

#+------------------------+-----------+
#|Event_time              |Event_time2|
#+------------------------+-----------+
#|Tue Apr 21 01:16:19 2020|2020/04/21 |
#+------------------------+-----------+