Question

有一个包含事件和特定时间戳的表。我很难计算使用Pyspark 2.0 API传递的天数。当时间戳跟随另一种格式（yyyy-mm-dd）时，我设法做了同样的事情

    +-------------------+------------------------+----------+--------------+
     | first_booking_date|first_booking_date_clean|  today   |customer_since|
    +-------------------+------------------------+----------+--------------+
     |02-06-2011 20:52:04|              02-06-2011|02-06-2011|          null|
     |03-06-2004 18:15:10|              03-06-2004|02-06-2011|          null|

我尝试了以下（没有用）： - 使用字符串操作提取日期并使用datediff - 转换为时间戳，然后提取dd：MM：yy（ - ＆gt;结果为null） - 我更喜欢使用pyspark命令而不是使用sql

进行任何其他转换

非常感谢帮助，最好，非常感谢!!!

编辑：这是一个不起作用的例子：

import datetime
today = datetime.date(2011,2,1)
today = "02-06-2011"
first_bookings = first_bookings.withColumn("today",F.lit(today))
first_bookings = first_bookings.withColumn("first_booking_date_clean",F.substring(first_bookings.first_booking_date, 0, 10))
first_bookings = first_bookings.withColumn("customer_since",F.datediff(first_bookings.today,first_bookings.first_booking_date_clean))

Answer 1

这个答案基本上是https://stackoverflow.com/a/36985244/4219202的副本在你的情况下，timeFmt将是＆＃34; dd-MM-yyyy＆＃34;列 first_booking_date_clean 和今天

从Spark 1.5开始，您可以使用unix_timestamp：

from pyspark.sql import functions as F
timeFmt = "yyyy-MM-dd'T'HH:mm:ss.SSS"
timeDiff = (F.unix_timestamp('EndDateTime', format=timeFmt)
            - F.unix_timestamp('StartDateTime', format=timeFmt))
df = df.withColumn("Duration", timeDiff)

Pyspark：两个日期之间的差异（Cast TimestampType，Datediff）

1 个答案: