时间戳

首页 > 解决方案 > 使用 Pyspark 将列从字符串转换为时间戳

pyspark - 使用 Pyspark 将列从字符串转换为时间戳

问题描述

我有 2 列（Violation_Time、Time_First_Observed）的 pyspark 数据框，它们被捕获为字符串。数据样本如下，其中它被捕获为 HHmm，“A”或“P”代表上午或下午。此外，在某些条目超过 24HH 的情况下，数据存在错误。

Violation_Time          Time_First_Observed
0830A                   1600P
1450P                   0720A
1630P                   2540P
0900A                   0100A

我想使用 pyspark 删除两列的“A”和“P”，然后将数据（例如，0800、1930 等）转换为时间戳以进行分析。我试图为“Violation_Time”列执行此操作并创建一个新列“timestamp”来存储它（参见下面的代码）。但是，我似乎无法做到这一点。感谢您提供任何形式的帮助，谢谢。

sparkdf3.withColumn('timestamp',F.to_timestamp("Violation_Time", "HH"))
sparkdf3.select(['Violation_Time','timestamp']).show()

标签： pysparkapache-spark-sqlpyspark-sqlpyspark-dataframes

解决方案

您可以使用以下

sparkdf3 = sparkdf3.withColumn('timestamp', func.split(func.to_timestamp('Violation_Time', 'HHmm'), ' ').getItem(1))
sparkdf3.select(['Violation_Time','timestamp']).show()

解释

sparkdf3.withColumn('timestamp', 
   func.split(
      func.to_timestamp('Violation_Time', 'HHmm') #Convert to timestamp. It will convert in datetime format
       , ' '
    ).getItem(1) #Split on space and get first item
)

推荐阅读