Spark Version: spark-2.0.1-bin-hadoop2.7
Scala: 2.11.8
我正在将原始csv加载到DataFrame中。在csv中,虽然该列支持日期格式,但它们写成20161025而不是2016-10-25。参数date_format
包含需要转换为yyyy-mm-dd格式的列名称字符串。
在下面的代码中,我首先通过schema
将Date列的csv作为StringType加载,然后检查date_format
是否为空,即是否需要列从Date
转换为String
,然后使用unix_timestamp
和to_date
投放每列。但是,在csv_df.show()
中,返回的行都是null
。
def read_csv(csv_source:String, delimiter:String, is_first_line_header:Boolean,
schema:StructType, date_format:List[String]): DataFrame = {
println("|||| Reading CSV Input ||||")
var csv_df = sqlContext.read
.format("com.databricks.spark.csv")
.schema(schema)
.option("header", is_first_line_header)
.option("delimiter", delimiter)
.load(csv_source)
println("|||| Successfully read CSV. Number of rows -> " + csv_df.count() + " ||||")
if(date_format.length > 0) {
for (i <- 0 until date_format.length) {
csv_df = csv_df.select(to_date(unix_timestamp(
csv_df(date_format(i)), "yyyy-MM-dd").cast("timestamp")))
csv_df.show()
}
}
csv_df
}
返回前20行:
+-------------------------------------------------------------------------+
|to_date(CAST(unix_timestamp(prom_price_date, YYYY-MM-DD) AS TIMESTAMP))|
+-------------------------------------------------------------------------+
| null|
| null|
| null|
| null|
| null|
| null|
| null|
| null|
| null|
| null|
| null|
| null|
| null|
| null|
| null|
| null|
| null|
| null|
| null|
| null|
+-------------------------------------------------------------------------+
为什么我得到所有null
?
答案 0 :(得分:10)
要将yyyyMMdd
转换为yyyy-MM-dd
,您可以:
spark.sql("""SELECT DATE_FORMAT(
CAST(UNIX_TIMESTAMP('20161025', 'yyyyMMdd') AS TIMESTAMP), 'yyyy-MM-dd'
)""")
功能:
date_format(unix_timestamp(col, "yyyyMMdd").cast("timestamp"), "yyyy-MM-dd")