Apache spark *PySpark*TypeError:int（）参数必须是字符串或数字，而不是'；列'；

我正在从事这个PySpark项目，当我试图计算一些东西时，我得到以下错误：

TypeError:int（）参数必须是字符串或数字，而不是“列”

我试着按照这个问题的解决方案来做，但没有成功。无论如何，请在下面找到我的代码。我是PySpark的新手，因此我很乐意向社区寻求帮助

import datetime
from dateutil.relativedelta import relativedelta

start_month =(
    df
        .select('client_id')
        .withColumn("acquisition_month",
                    (datetime.datetime.today() - relativedelta(months = (df['months_since_act']).cast("integer")))
                   )
)

---

这是因为要将列类型传递给relativedelta函数，df['months\u since\u act']返回的是列类型，而不是int

relativedelta(months = (df['months_since_act']).cast("integer"))

我不确定你到底想要实现什么

但是，在spark中将列类型强制转换为整数时，语法应该是这样的

relativedelta(months = (df['value'].cast(IntegerType())))

UDF示例-

def getDelta(month):
  return datetime.datetime.today() - relativedelta(months = month)

delta = udf(lambda z: getDelta(z), IntegerType())

start_month =(
    df.select('client_id')
        .withColumn("acquisition_month",delta(df['months_since_act'].cast(IntegerType())))
                  )

---

虽然我没有对它进行测试，但这会给你一个想法。

如果目标是从当前日期减去天数，其中天数存储在另一列中，我可以想到以下近似解决方案：

from pyspark.sql.functions import expr

df.withColumn("acquisition_month", expr("date_sub(current_date, months_since_act * 30 )"))

从某种意义上讲，它是近似的，一个月正好有30天

---

您得到的错误是因为

relativedelta

要求参数为整数，但您正在传递一列

df['months\u since\u act']

您确定这是您的全部代码吗？因为这里没有调用

int

！这不是全部代码，只是Jupyter中的一个单元格。调用int是什么意思？如果不是整个代码，甚至不是整个相关代码，甚至不是发生错误的那一行，我们应该如何帮助你？这是相关代码，错误发生在最后一行，它到底发生在哪里？谢谢！在'months\u since\u act'列中，我有客户激活其帐户的过去月份数，我正在尝试获取该数据（类型为int）为了计算账户创建的大致日期，我也尝试将其放入该表单中，我得到了相同的错误，我建议您为相同的编辑注释编写udf。添加了UDF示例。这很有帮助，我现在正在努力（y）这就是我想要得到的，你知道有没有什么方法可以给它每个元素的内部数据，而不是一次完整的数据？@MirunaPîrvulescu你说的

给它每个元素的内部数据是什么意思？“对于每个客户id，考虑到今天的日期和账户创建的月数，我如何计算账户激活的日期？”这就是我的意思，抱歉ambiguity@MirunaPîrvulescu我发布的代码应该做到这一点，因为withColumn转换将应用于数据帧的每一行。