PySpark - Spark SQL:如何将带有UTC偏移量的时间戳转换为epoch / unixtime?

Question

如何使用Spark SQL或PySpark将2019-08-22T23:57:57-07:00格式的时间戳转换为unixtime？

我知道的最相似的函数是unix_timestamp()它不接受上述带有 UTC 偏移量的时间格式。

关于如何使用Spark SQL或PySpark来处理这个问题的任何建议？

谢谢

Answer 1

在这种情况下，ISO 8601时区的javaSimpleDateFormat模式是XXX。

因此，您需要使用yyyy-MM-dd'T'HH:mm:ssXXX作为格式字符串。

火花

spark.sql(
"""select unix_timestamp("2019-08-22T23:57:57-07:00", "yyyy-MM-dd'T'HH:mm:ssXXX") 
AS epoch"""
).show(truncate=False)
#+----------+
#|epoch     |
#+----------+
#|1566543477|
#+----------+

火花数据帧

from pyspark.sql.functions import unix_timestamp
df = spark.createDataFrame([("2019-08-22T23:57:57-07:00",)], ["timestamp"])
df.withColumn(
"unixtime", 
unix_timestamp("timestamp", "yyyy-MM-dd'T'HH:mm:ssXXX")
).show(truncate=False)
#+-------------------------+----------+
#|timestamp                |unixtime  |
#+-------------------------+----------+
#|2019-08-22T23:57:57-07:00|1566543477|
#+-------------------------+----------+

---

请注意，pyspark 只是 spark 上的一个包装器 - 通常我发现 scala/java 文档比 python 文档更完整。将来可能会有所帮助。