Apache Spark从时间戳列

Question

我正在使用Spark数据集，并且无法从时间戳列中减去天数。

我想从Timestamp列中减去几天，并获得具有完整日期时间格式的新列。例如：

2017-09-22 13:17:39.900 - 10 ----> 2017-09-12 13:17:39.900

使用date_sub函数我得到2017-09-12而没有13：17：39.900。

Answer 1

您cast数据timestamp和expr减去INTERVAL：

import org.apache.spark.sql.functions.expr

val df = Seq("2017-09-22 13:17:39.900").toDF("timestamp")

df.withColumn(
  "10_days_before", 
  $"timestamp".cast("timestamp") - expr("INTERVAL 10 DAYS")).show(false)

+-----------------------+---------------------+
|timestamp              |10_days_before       |
+-----------------------+---------------------+
|2017-09-22 13:17:39.900|2017-09-12 13:17:39.9|
+-----------------------+---------------------+

如果数据已经是TimestampType，您可以跳过cast。

Answer 2

或者您可以仅使用pyspark +1.5中的date_sub函数：

from pyspark.sql.functions import *

df.withColumn("10_days_before", date_sub(col('timestamp'),10))