在 PySpark 中使用时区在日期时间范围之间过滤镶木地板文件 [英] Filter between datetime ranges with timezone in PySpark for parquet files

查看:24
本文介绍了在 PySpark 中使用时区在日期时间范围之间过滤镶木地板文件的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着小编来一起学习吧!

问题描述

基于 此处,我想知道如何使用 PySpark 过滤带有时区的日期时间范围.

Based on the suggestion from here, I would like to know how do I filter the datetime ranges with timezone using PySpark.

我的数据如下所示:

ABC, 2020-06-22T19:17:16.428+0000

ABC, 2020-06-22T19:17:16.428+0000

DEF,2020-06-22T19:17:16.435+0000

DEF, 2020-06-22T19:17:16.435+0000

JKL,2020-06-22T19:17:16.468+0000

JKL, 2020-06-22T19:17:16.468+0000

移动网络运营商,2020-06-22T19:17:16.480+0000

MNO, 2020-06-22T19:17:16.480+0000

XYZ, 2020-06-22T19:17:16.495+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.

I would only like to extract those records that has milliseconds between 400-450 in this case.

试过了,但没有用:

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')

推荐答案

当你使用 to_date 时它会截断时间,所以你必须使用 to_timestamp 并比较它.

When you use to_date it will truncate the hours, so you have to use to_timestamp and compare it.

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|
+---+-----------------------+

这篇关于在 PySpark 中使用时区在日期时间范围之间过滤镶木地板文件的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持IT屋!

查看全文
登录 关闭
扫码关注1秒登录
发送“验证码”获取 | 15天全站免登陆