Pyspark将列的类型从日期更改为字符串

让我们创建一些虚拟数据：

import datetimefrom pyspark.sql import Rowfrom pyspark.sql.functions import colrow = Row("vacationdate")df = sc.parallelize([    row(datetime.date(2015, 10, 07)),    row(datetime.date(1971, 01, 01))]).toDF()

如果Spark> = 1.5.0，则可以使用以下

date_format

from pyspark.sql.functions import date_format(df   .select(date_format(col("vacationdate"), "dd-MM-YYYY")   .alias("date_string"))   .show())

在Spark <1.5.0中，可以使用Hive UDF完成：

df.registerTempTable("df")sqlContext.sql(    "SELECT date_format(vacationdate, 'dd-MM-YYYY') AS date_string FROM df")

当然，在Spark> = 1.5.0中仍然可用。

如果不使用

HiveContext

date_format

from pyspark.sql.functions import udf, litmy_date_format = udf(lambda d, fmt: d.strftime(fmt))df.select(    my_date_format(col("vacationdate"), lit("%d-%m-%Y")).alias("date_string")).show()

请注意，它使用的是C标准格式，而不是Java简单的日期格式