根据这里的建议,我想知道如何使用PySpark过滤带有时区的日期时间范围。
以下是我的数据:
ABC,2020-06-22T19:17:16.428+000
DEF,2020-06-22T19:17:16.435+000
JKL,2020-06-22T19:17:16.468+000
MNO,2020-06-22T19:17:16.480+0000
XYZ,2020-06-22T19:17:16.495+0000
在这种情况下,我只想提取那些毫秒数在400-450之间的记录。
尝试过,但没有成功:
import pyspark.sql.functions as func
df = df.select(func.to_date(df.UpdatedOn).alias("time"))
sf = df.filter(df.time > '2020-06-22T19:17:16.400').filter(df.time < '2020-06-22T19:17:16.451')
当您使用to_date
时,它会截断小时数,因此您必须使用to_timestamp
并进行比较。
df.withColumn('date', to_timestamp('date'))
.filter("date between to_timestamp('2020-06-22T19:17:16.400') and to_timestamp('2020-06-22T19:17:16.451')")
.show(10, False)
+---+-----------------------+
|id |date |
+---+-----------------------+
|ABC|2020-06-22 19:17:16.428|
|DEF|2020-06-22 19:17:16.435|
+---+-----------------------+