形式の文字列列を持つ日付 pyspark データフレームがありMM-dd-yyyy
、これを日付列に変換しようとしています。
私は試した:
df.select(to_date(df.STRING_COLUMN).alias('new_date')).show()
そして、null の文字列が表示されます。誰か助けてくれませんか?
ベストアンサー1
アップデート(2018年1月10日):
Spark 2.2以降では、おそらくこれを実行する最良の方法はto_date
またはto_timestamp
関数はどちらもformat
引数をサポートしています。ドキュメントから:
>>> from pyspark.sql.functions import to_timestamp
>>> df = spark.createDataFrame([('1997-02-28 10:30:00',)], ['t'])
>>> df.select(to_timestamp(df.t, 'yyyy-MM-dd HH:mm:ss').alias('dt')).collect()
[Row(dt=datetime.datetime(1997, 2, 28, 10, 30))]
元の回答(Spark < 2.2 の場合)
これを UDF なしで実行することも可能です (望ましいでしょうか)。
from pyspark.sql.functions import unix_timestamp, from_unixtime
df = spark.createDataFrame(
[("11/25/1991",), ("11/24/1991",), ("11/30/1991",)],
['date_str']
)
df2 = df.select(
'date_str',
from_unixtime(unix_timestamp('date_str', 'MM/dd/yyy')).alias('date')
)
print(df2)
#DataFrame[date_str: string, date: timestamp]
df2.show(truncate=False)
#+----------+-------------------+
#|date_str |date |
#+----------+-------------------+
#|11/25/1991|1991-11-25 00:00:00|
#|11/24/1991|1991-11-24 00:00:00|
#|11/30/1991|1991-11-30 00:00:00|
#+----------+-------------------+