python - 在Pyspark中将列类型从字符串更改为日期

我正在尝试将列类型从字符串更改为日期。我已经咨询了以下方面的答案:

How to change the column type from String to Date in DataFrames?

Why I get null results from date_format() PySpark function?

当我尝试应用链接1的答案时，结果却为空，因此我引用了链接2的答案，但我不理解这一部分:

output_format = ...  # Some SimpleDateFormat string

我想直接从评论中询问，但是，我的声誉还不够。

最佳答案

希望这可以帮助!

from pyspark.sql.functions import col, unix_timestamp, to_date

#sample data
df = sc.parallelize([['12-21-2006'],
                     ['05-30-2007'],
                     ['01-01-1984'],
                     ['12-24-2017']]).toDF(["date_in_strFormat"])
df.printSchema()

df = df.withColumn('date_in_dateFormat',
                   to_date(unix_timestamp(col('date_in_strFormat'), 'MM-dd-yyyy').cast("timestamp")))
df.show()
df.printSchema()

输出为:

root
 |-- date_in_strFormat: string (nullable = true)

+-----------------+------------------+
|date_in_strFormat|date_in_dateFormat|
+-----------------+------------------+
|       12-21-2006|        2006-12-21|
|       05-30-2007|        2007-05-30|
|       01-01-1984|        1984-01-01|
|       12-24-2017|        2017-12-24|
+-----------------+------------------+

root
 |-- date_in_strFormat: string (nullable = true)
 |-- date_in_dateFormat: date (nullable = true)

关于python - 在Pyspark中将列类型从字符串更改为日期，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/47953320/