java - 如何从csv文件中读取自定义格式的时间？

Question

我正在解析一个 csv 文件，其数据为:

2016-10-03, 18.00.00, 2, 6

当我阅读文件创建架构时，如下所示:

StructType schema = DataTypes.createStructType(Arrays.asList(
                DataTypes.createStructField("Date", DataTypes.DateType, false),
                DataTypes.createStructField("Time", DataTypes.TimestampType, false),
                DataTypes.createStructField("CO(GT)", DataTypes.IntegerType, false),
                DataTypes.createStructField("PT08.S1(CO)", DataTypes.IntegerType, false)))

Dataset<Row> df = spark.read().format("csv").schema(schema).load("src/main/resources/AirQualityUCI/sample.csv");

它产生以下错误:

Exception in task 0.0 in stage 0.0 (TID 0)
java.lang.IllegalArgumentException
    at java.sql.Date.valueOf(Unknown Source)
    at org.apache.spark.sql.catalyst.util.DateTimeUtils$.stringToTime(DateTimeUtils.scala:137)

我感觉是时间格式错误造成的。有哪些方法可以将它们转换为特定格式或更改为 StructType 以获得其正确含义？

我期望的格式是 hh:mm:ss 的形式，因为通过 Spark sql 通过连接列将其转换为时间戳格式会很有帮助。

2016-10-03, 18:00:00, 2, 6

Answer 1

如果您将日期和时间都作为字符串读取，那么您可以轻松地将它们合并并转换为时间戳。您不需要更改“。”时间列中的“:”，因为可以在创建时间戳时指定格式。 Scala 中的解决方案示例:

val df = Seq(("2016-10-03", "00.00.17"),("2016-10-04", "00.01.17"))
  .toDF("Date", "Time")

val df2 = df.withColumn("DateTime", concat($"Date", lit(" "), $"Time"))
  .withColumn("Timestamp", unix_timestamp($"DateTime", "yyyy-MM-dd HH.mm.ss"))

这会给你:

+----------+--------+-------------------+----------+
|      Date|    Time|           DateTime| Timestamp|
+----------+--------+-------------------+----------+
|2016-10-03|00.00.17|2016-10-03 00.00.17|1475424017|
|2016-10-04|00.01.17|2016-10-04 00.01.17|1475510477|
+----------+--------+-------------------+----------+

当然，如果您愿意，您仍然可以将时间列转换为使用“:”而不是“.”。可以通过使用regexp_replace来完成:

df.withColumn("Time2", regexp_replace($"Time", "\\.", ":"))

如果您在转换为时间戳之前执行此操作，则需要更改上面指定的格式。