将时间戳转换为 Spark 数据框中的日期

Question

我已经看到（这里： How to convert Timestamp to Date format in DataFrame? ）在日期类型中转换时间戳的方法，但是，至少对我来说，它不起作用。

这是我试过的：

 # Create dataframe
df_test = spark.createDataFrame([('20170809',), ('20171007',)], ['date',])

# Convert to timestamp
df_test2 = df_test.withColumn('timestamp',func.when((df_test.date.isNull() | (df_test.date == '')) , '0')\
.otherwise(func.unix_timestamp(df_test.date,'yyyyMMdd')))\

# Convert timestamp to date again
df_test2.withColumn('date_again', df_test2['timestamp'].cast(stypes.DateType())).show()

但这在列 date_again 中返回 null ：

 +--------+----------+----------+
|    date| timestamp|date_again|
+--------+----------+----------+
|20170809|1502229600|      null|
|20171007|1507327200|      null|
+--------+----------+----------+

知道什么失败了吗？

原文由 Luis A.G. 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

下列的：

 func.when((df_test.date.isNull() | (df_test.date == '')) , '0')\
  .otherwise(func.unix_timestamp(df_test.date,'yyyyMMdd'))

不起作用，因为它类型不一致 - 第一个子句返回 string 而第二个子句返回 bigint 。因此，它将始终返回 NULL 如果 data 是 NOT NULL 并且不为空。

它也已过时 - SQL 函数是 NULL 并且格式错误是安全的。无需额外检查。

 In [1]: spark.sql("SELECT unix_timestamp(NULL, 'yyyyMMdd')").show()
+----------------------------------------------+
|unix_timestamp(CAST(NULL AS STRING), yyyyMMdd)|
+----------------------------------------------+
|                                          null|
+----------------------------------------------+

In [2]: spark.sql("SELECT unix_timestamp('', 'yyyyMMdd')").show()
+--------------------------+
|unix_timestamp(, yyyyMMdd)|
+--------------------------+
|                      null|
+--------------------------+

在 Spark 2.2 或更高版本中你不需要中间步骤：

 from pyspark.sql.functions import to_date

to_date("date", "yyyyMMdd")

原文由 Alper t. Turker 发布，翻译遵循 CC BY-SA 3.0 许可协议

Answer 2

你应该做以下事情

>>> df_test2.withColumn('date_again', func.from_unixtime('timestamp').cast(DateType())).show()
+--------+----------+----------+
|    date| timestamp|date_again|
+--------+----------+----------+
|20170809|1502216100|2017-08-09|
|20171007|1507313700|2017-10-07|
+--------+----------+----------+

模式是

>>> df_test2.withColumn('date_again', func.from_unixtime('timestamp').cast(DateType())).printSchema()
root
 |-- date: string (nullable = true)
 |-- timestamp: string (nullable = true)
 |-- date_again: date (nullable = true)

原文由 Ramesh Maharjan 发布，翻译遵循 CC BY-SA 3.0 许可协议