Python 将Pyspark DF列中的日期YYYY-mm-dd更改为YYYY-mm-01

我有一个如下所示的数据帧：

+------+----------+----+
|ID    |  date    |flag|
+------+----------+----+
|123456|2015-04-21|null|
|234567|2017-04-18|null|
|345678|2009-06-25|null|
|456789|2001-11-07|null|
|567890|2016-10-02|null|
+------+----------+----+

我试图修改数据框，以更改日期列中的日期，使其显示为“YYYY-mm-01”，如下所示

+------+----------+----+
|ID    |  date    |flag|
+------+----------+----+
|123456|2015-04-01|null|
|234567|2017-04-01|null|
|345678|2009-06-01|null|
|456789|2001-11-01|null|
|567890|2016-10-01|null|
+------+----------+----+

我正试图这样做：

df = df.withColumn("date", f.trunc("date", "month"))

---

但它看起来好像把日期弄乱了，让所有的日期都是同一个日期。如何将每行的pyspark列元素从原来的YYYY-mm-dd更改为YYYY-mm-01？

您可以使用datetime.replace。例如，假设您有一个日期df[0]['date']

date = datetime.strptime('df[0]['date']', '%y-%m-%d')
newdate = date.replace(day=1)

---

date

列的数据类型是什么？它是一根绳子吗？（尝试

df.printSchema（）

）看起来像字符串。确定后，首先转换为

DateType

。然后你所尝试的应该会奏效。非常感谢你的澄清！