在 Pyspark 中将列类型从字符串更改为日期

Question

我正在尝试将我的列类型从字符串更改为日期。我参考了以下答案：

1. 如何在 DataFrames 中将列类型从 String 更改为 Date？
2. 为什么我从 date_format() PySpark 函数得到空结果？

当我尝试应用链接 1 的答案时，我得到的结果是空的，所以我参考了链接 2 的答案，但我不明白这部分：

 output_format = ...  # Some SimpleDateFormat string

原文由 Tata 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

from pyspark.sql.functions import col, unix_timestamp, to_date

#sample data
df = sc.parallelize([['12-21-2006'],
                     ['05-30-2007'],
                     ['01-01-1984'],
                     ['12-24-2017']]).toDF(["date_in_strFormat"])
df.printSchema()

df = df.withColumn('date_in_dateFormat',
                   to_date(unix_timestamp(col('date_in_strFormat'), 'MM-dd-yyyy').cast("timestamp")))
df.show()
df.printSchema()

输出是：

 root
 |-- date_in_strFormat: string (nullable = true)

+-----------------+------------------+
|date_in_strFormat|date_in_dateFormat|
+-----------------+------------------+
|       12-21-2006|        2006-12-21|
|       05-30-2007|        2007-05-30|
|       01-01-1984|        1984-01-01|
|       12-24-2017|        2017-12-24|
+-----------------+------------------+

root
 |-- date_in_strFormat: string (nullable = true)
 |-- date_in_dateFormat: date (nullable = true)

原文由 Prem 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 2

简单的方法：

 from pyspark.sql.types import *
df_1 = df.withColumn("col_with_date_format",
df["col_with_date_format"].cast(DateType()))

原文由 KeepLearning 发布，翻译遵循 CC BY-SA 4.0 许可协议