Python PySpark-使用本机Spark函数将长历元（以毫秒为单位）强制转换为TimestampType

我正在使用PySpark库读取JSON文件，处理数据，然后写回拼花地板文件

传入数据有一个从历元开始测量的日期字段（以毫秒为单位）。例如，

1541106106796

表示：

2018年11月1日星期四9:01:46.796 PM

有效的解决方案使用Python

datetime

库：

def format_datetime(ts):
    return datetime.fromtimestamp(ts/1000.0)

...
get_timestamp = udf(lambda x: format_datetime(int(x)),TimestampType())
df = df.withColumn("timestamp", get_timestamp(df.ts))

---

是否有只使用本机Spark函数的解决方案？

使用unixtime中的

，并从时间戳中提取毫秒，然后在末尾添加，最后转换为
时间戳类型

df.show()
#+-------------+
#|           ts|
#+-------------+
#|1541106106796|
#+-------------+

df.withColumn("ts1",expr('concat_ws(".",from_unixtime(substring(ts,1,length(ts)-3),"yyyy-MM-dd HH:mm:ss"),substring(ts,length(ts)-2,length(ts)))').cast("timestamp")).\
show(10,False)
#+-------------+-----------------------+
#|ts           |ts1                    |
#+-------------+-----------------------+
#|1541106106796|2018-11-01 16:01:46.796|
#+-------------+-----------------------+

要创建
unixtime请使用
unix\u时间戳
和
regexp\u extract
函数

示例：

df.show(10,False)
#+-----------------------------------------+
#|sample                                   |
#+-----------------------------------------+
#|Thursday, November 1, 2018 9:01:46.796 PM|
#+-----------------------------------------+

df.withColumn("ts",concat_ws('',unix_timestamp(col("sample"),"E, MMMM d, yyyy hh:mm:ss.SSS a"),regexp_extract(col("sample"),"\\.(.*)\\s+",1))).\
show(10,False)
#+-----------------------------------------+-------------+
#|sample                                   |ts           |
#+-----------------------------------------+-------------+
#|Thursday, November 1, 2018 9:01:46.796 PM|1541124106796|
#+-----------------------------------------+-------------+