Question

我正在解析一个csv文件，其数据为：

2016-10-03, 18.00.00, 2, 6

当我正在阅读文件创建架构时，如下所示：

StructType schema = DataTypes.createStructType(Arrays.asList(
                DataTypes.createStructField("Date", DataTypes.DateType, false),
                DataTypes.createStructField("Time", DataTypes.TimestampType, false),
                DataTypes.createStructField("CO(GT)", DataTypes.IntegerType, false),
                DataTypes.createStructField("PT08.S1(CO)", DataTypes.IntegerType, false)))

Dataset<Row> df = spark.read().format("csv").schema(schema).load("src/main/resources/AirQualityUCI/sample.csv");

产生以下错误：

Exception in task 0.0 in stage 0.0 (TID 0)
java.lang.IllegalArgumentException
    at java.sql.Date.valueOf(Unknown Source)
    at org.apache.spark.sql.catalyst.util.DateTimeUtils$.stringToTime(DateTimeUtils.scala:137)

我觉得这是由于时间格式错误造成的。有什么方法可以将它们转换为特定格式或更改为StructType的正确含义？

我期望的格式是hh：mm：ss的格式，因为通过连接列将它转换为时间戳格式将有助于将其转换为时间戳格式。

2016-10-03, 18:00:00, 2, 6

Answer 1

如果您将日期和时间都读为字符串，则可以轻松地将它们合并并转换为时间戳。你不需要改变“。”到时间列中的“：”，因为在创建时间戳时可以指定格式。 Scala中的解决方案示例：

val df = Seq(("2016-10-03", "00.00.17"),("2016-10-04", "00.01.17"))
  .toDF("Date", "Time")

val df2 = df.withColumn("DateTime", concat($"Date", lit(" "), $"Time"))
  .withColumn("Timestamp", unix_timestamp($"DateTime", "yyyy-MM-dd HH.mm.ss"))

哪个会给你：

+----------+--------+-------------------+----------+
|      Date|    Time|           DateTime| Timestamp|
+----------+--------+-------------------+----------+
|2016-10-03|00.00.17|2016-10-03 00.00.17|1475424017|
|2016-10-04|00.01.17|2016-10-04 00.01.17|1475510477|
+----------+--------+-------------------+----------+

当然，如果你想要，你仍然可以将时间列转换为使用“：”而不是“。”。可以使用regexp_replace：

来完成

df.withColumn("Time2", regexp_replace($"Time", "\\.", ":"))

如果在转换为时间戳之前执行此操作，则需要更改上面指定的格式。

如何从csv文件中读取自定义格式的时间？

1 个答案: