Apache spark Spark SQL-用于计算两个日期和时间之间差异的UDF
是否有Spark SQL UDF可用于计算两个日期和时间之间的差异?目前(Spark 2.0)没有以小时数计算两个日期之间差异的函数,但有一个用于计算天数差异的函数: def datediff(结束:列,开始:列):列 返回从开始到结束的天数。 自从 1.5.0Apache spark Spark SQL-用于计算两个日期和时间之间差异的UDF,apache-spark,apache-spark-sql,udf,Apache Spark,Apache Spark Sql,Udf,是否有Spark SQL UDF可用于计算两个日期和时间之间的差异?目前(Spark 2.0)没有以小时数计算两个日期之间差异的函数,但有一个用于计算天数差异的函数: def datediff(结束:列,开始:列):列 返回从开始到结束的天数。 自从 1.5.0 参考..目前(Spark 2.0)没有计算两个日期之间小时数差异的函数,但有一个函数可以计算天数差异: def datediff(结束:列,开始:列):列 返回从开始到结束的天数。 自从 1.5.0 参考…我自己创建了一个。事情是这样的
参考..目前(Spark 2.0)没有计算两个日期之间小时数差异的函数,但有一个函数可以计算天数差异: def datediff(结束:列,开始:列):列 返回从开始到结束的天数。 自从 1.5.0
参考…我自己创建了一个。事情是这样的:-
def time_delta(y,x):
from datetime import datetime
end = datetime.strptime(y, '%Y-%m-%d %H:%M:%S')
start = datetime.strptime(x, '%Y-%m-%d %H:%M:%S')
delta = (end-start).total_seconds()
return int(delta/(60*60*24))
这将接收两个日期y和x,并以天为单位返回结果。我使用以下代码注册它:-
f = udf(time_delta, IntegerType())
sqlContext.udf.register("time_diff", time_delta)
它就像一个符咒。以下是一个例子:-
df = df.withColumn("Duration", f(df.end_date, df.start_date))
df.show()
结果如下:-
Column<unix_timestamp(end_date, %Y-%m-%d %H:%M:%S)>
+---+-------------------+-------------------+-----+----+--------+
| id| end_date| start_date|state|city|Duration|
+---+-------------------+-------------------+-----+----+--------+
| 1|2015-10-14 00:00:00|2015-09-14 00:00:00| CA| SF| 30|
| 2|2015-10-15 01:00:20|2015-08-14 00:00:00| CA| SD| 62|
| 3|2015-10-16 02:30:00|2015-01-14 00:00:00| NY| NY| 275|
| 4|2015-10-17 03:00:20|2015-02-14 00:00:00| NY| NY| 245|
| 5|2015-10-18 04:30:00|2014-04-14 00:00:00| CA| SD| 552|
+---+-------------------+-------------------+-----+----+--------+
结果是:-
我自己创建了一个。事情是这样的:-
def time_delta(y,x):
from datetime import datetime
end = datetime.strptime(y, '%Y-%m-%d %H:%M:%S')
start = datetime.strptime(x, '%Y-%m-%d %H:%M:%S')
delta = (end-start).total_seconds()
return int(delta/(60*60*24))
这将接收两个日期y和x,并以天为单位返回结果。我使用以下代码注册它:-
f = udf(time_delta, IntegerType())
sqlContext.udf.register("time_diff", time_delta)
它就像一个符咒。以下是一个例子:-
df = df.withColumn("Duration", f(df.end_date, df.start_date))
df.show()
结果如下:-
Column<unix_timestamp(end_date, %Y-%m-%d %H:%M:%S)>
+---+-------------------+-------------------+-----+----+--------+
| id| end_date| start_date|state|city|Duration|
+---+-------------------+-------------------+-----+----+--------+
| 1|2015-10-14 00:00:00|2015-09-14 00:00:00| CA| SF| 30|
| 2|2015-10-15 01:00:20|2015-08-14 00:00:00| CA| SD| 62|
| 3|2015-10-16 02:30:00|2015-01-14 00:00:00| NY| NY| 275|
| 4|2015-10-17 03:00:20|2015-02-14 00:00:00| NY| NY| 245|
| 5|2015-10-18 04:30:00|2014-04-14 00:00:00| CA| SD| 552|
+---+-------------------+-------------------+-----+----+--------+
结果是:-
有什么区别?天数?@eliasah:天数还是小时数……有什么区别?天数?@eliasah:天数或小时数。。。