scala - Spark Dataframes:将unix指数数字转换为字符串整数以获得时间戳
问题描述
下面的 spark 数据帧具有 unix 格式的 start_t 和 end_t,但其中有一个指数 e。
+------+----------------+------------------+--------+----------+----------+-------+-----------+-----------+-----------+-------------+-------+---------------+----------------+
| alt_t| end_t|engine_fuel_rate_t| lat_t|left_max_t|left_min_t| lon_t|plm3_incl_t|right_max_t|right_min_t|road_class_u8|speed_t|sprung_weight_t| start_t|
+------+----------------+------------------+--------+----------+----------+-------+-----------+-----------+-----------+-------------+-------+---------------+----------------+
|1237.5|1.521956985733E9| 0|-27.7314| 0.0| 0.0|22.9552| 1.5| 0.0| 0.0| 0| 17.4| 198.0| 1.52195698056E9|
|1236.5|1.521956989922E9| 0|-27.7316| 0.0| 0.0|22.9552| -3.3| 0.0| 0.0| 0| 17.6| 156.1|1.521956985733E9|
|1234.5|1.521956995378E9| 0|-27.7318| 0.0| 0.0|22.9552| -2.7| 0.0| 0.0| 0| 11.9| 148.6|1.521956989922E9|
|1230.5|1.521957001498E9| 0| -27.732| 0.0| 0.0|22.9551| 2.3| 0.0| 0.0| 0| 13.2| 169.1|1.521956995378E9|
由于它是双倍的,因此不能直接转换为时间戳。它将通过一个错误说明它需要是字符串。
+------+----------------+------------------+--------+----------+----------+-------+-----------+-----------+-----------+-------------+-------+---------------+-------+
| alt_t| end_t|engine_fuel_rate_t| lat_t|left_max_t|left_min_t| lon_t|plm3_incl_t|right_max_t|right_min_t|road_class_u8|speed_t|sprung_weight_t|start_t|
+------+----------------+------------------+--------+----------+----------+-------+-----------+-----------+-----------+-------------+-------+---------------+-------+
|1237.5|1.521956985733E9| 0|-27.7314| 0.0| 0.0|22.9552| 1.5| 0.0| 0.0| 0| 17.4| 198.0| null|
|1236.5|1.521956989922E9| 0|-27.7316| 0.0| 0.0|22.9552| -3.3| 0.0| 0.0| 0| 17.6| 156.1| null|
|1234.5|1.521956995378E9| 0|-27.7318| 0.0| 0.0|22.9552| -2.7| 0.0| 0.0| 0| 11.9| 148.6| null|
因此我使用了以下代码:
%scala
val df2 = df.withColumn("start_t", df("start_t").cast("string"))
val df3 = df2.withColumn("end_t", df("end_t").cast("string"))
val filteredDF = df3.withColumn("start_t", unix_timestamp($"start_t", "yyyyMMddHHmmss").cast("timestamp"))
filteredDF.show()
我在 start_t 中得到 null 并认为它是由于 E(指数符号)。我在 pandas python 中测试过,日期有效并输出结果。我知道有一种方法可以使用精度来改变这一点。我正在尝试将其转换为格式为 yyyy-MM-dd HH:mm:ss 的时间戳,并为时间和日期设置一个单独的列。
注意:提出了类似的问题,但没有回答。Scala Spark:将双列转换为数据框中的日期时间列
解决方案
从 String -> Double -> Timestamp 链接转换。以下作品
scala> val df = Seq(("1237.5","1.521956985733E9"),("1236.5","1.521956989922E9"),("1234.5","1.521956995378E9"),("1230.5","1.521957001498E9")).toDF("alt_t","end_t")
df: org.apache.spark.sql.DataFrame = [alt_t: string, end_t: string]
scala> df.withColumn("end_t",'end_t.cast("double").cast("timestamp")).show(false)
+------+-----------------------+
|alt_t |end_t |
+------+-----------------------+
|1237.5|2018-03-25 01:49:45.733|
|1236.5|2018-03-25 01:49:49.922|
|1234.5|2018-03-25 01:49:55.378|
|1230.5|2018-03-25 01:50:01.498|
+------+-----------------------+
scala>
更新1
scala> val df = Seq(("1237.5","1.521956985733E9"),("1236.5","1.521956989922E9"),("1234.5","1.521956995378E9"),("1230.5","1.521957001498E9")).toDF("alt_t","end_t").withColumn("end_t",'end_t.cast("double").cast("timestamp"))
df: org.apache.spark.sql.DataFrame = [alt_t: string, end_t: timestamp]
scala> df.printSchema
root
|-- alt_t: string (nullable = true)
|-- end_t: timestamp (nullable = true)
scala>
推荐阅读
- asp.net-core-mvc - 绑定注释不能防止过度发布
- deep-learning - 对于不同的数据集,相同的 CNN 模型是否需要不同的学习率?
- flutter - Dart(Flutter)canvas.drawImageRect:绘制圆形图像
- javascript - Amqp无法连接时如何接收异常?
- c - 在文本文件中搜索字符串,以空格分隔并截断空格后的所有内容
- tensorflow - 深度学习分类中如何处理类之间的相关性?
- c++ - 检查 IP 是否在其他 IP 网络范围内并查找下一个空闲 IP
- c# - 将饼系列绑定到复选框 - c# (LiveCharts)
- python - Python 到 iOS 应用程序
- typescript - 在打字稿上反序列化数组数据的问题(React-native)