如何在 DataFrame 中将时间戳转换为日期格式？答案

【问题标题】：How to convert Timestamp to Date format in DataFrame?如何在 DataFrame 中将时间戳转换为日期格式？
【发布时间】：2016-11-17 13:18:59
【问题描述】：

我有一个带有Timestamp 列的DataFrame，我需要将其转换为Date 格式。

是否有任何可用的 Spark SQL 函数？

【问题讨论】：

标签： apache-spark apache-spark-sql

【解决方案1】：

您可以cast该专栏至今：

斯卡拉：

import org.apache.spark.sql.types.DateType

val newDF = df.withColumn("dateColumn", df("timestampColumn").cast(DateType))

Pyspark：

df = df.withColumn('dateColumn', df['timestampColumn'].cast('date'))

【讨论】：

这不是 Spark SQL。
@dslack 此解决方案使用 Spark SQL 包中可用的函数，但它不使用 SQL 语言，而是使用强大的 DataFrame API 和类似 SQL 的函数，而不是使用具有实际 SQL 查询的不太可靠的字符串。
SQL 查询有哪些不可靠的地方？
@dslack 好吧，这完全取决于应用程序。一般来说，如果您的目标是生成可靠且可测试的稳定代码库，则不太建议使用查询字符串，因为它们更难更改，更容易犯简单的错误并且模块化程度较低。
需要帮助。通过 jdbc 从数据库中读取数据。 Oracle 表具有 2016 年 12 月 15 日作为具有 DATE 数据类型的字段。 Dataframe.printSchema() 显示时间戳。但是当我打印它时，它显示所有空值。

【解决方案2】：

在 SparkSQL 中：

SELECT
  CAST(the_ts AS DATE) AS the_date
FROM the_table

【讨论】：

【解决方案3】：

想象以下输入：

val dataIn = spark.createDataFrame(Seq(
        (1, "some data"),
        (2, "more data")))
    .toDF("id", "stuff")
    .withColumn("ts", current_timestamp())

dataIn.printSchema
root
 |-- id: integer (nullable = false)
 |-- stuff: string (nullable = true)
 |-- ts: timestamp (nullable = false)

你可以使用to_date函数：

val dataOut = dataIn.withColumn("date", to_date($"ts"))

dataOut.printSchema
root
 |-- id: integer (nullable = false)
 |-- stuff: string (nullable = true)
 |-- ts: timestamp (nullable = false)
 |-- date: date (nullable = false)

dataOut.show(false)
+---+---------+-----------------------+----------+
|id |stuff    |ts                     |date      |
+---+---------+-----------------------+----------+
|1  |some data|2017-11-21 16:37:15.828|2017-11-21|
|2  |more data|2017-11-21 16:37:15.828|2017-11-21|
+---+---------+-----------------------+----------+

我会推荐使用这些方法而不是强制转换和普通 SQL。

【讨论】：

【解决方案4】：

对于 Spark 2.4+，

import spark.implicits._
val newDF = df.withColumn("dateColumn", $"timestampColumn".cast(DateType))

或

val newDF = df.withColumn("dateColumn", col("timestampColumn").cast(DateType))

【讨论】：

【解决方案5】：

最好用的东西..经过试验和测试-

df_join_result.withColumn('order_date', df_join_result['order_date'].cast('date'))

【讨论】：