df中日期相减得到天数怎么弄

要在 Spark 中计算 DataFrame 中两个日期之间的天数差异，您可以使用 `datediff` 函数。

下面是一个示例代码：

from pyspark.sql.functions import datediff

# 创建一个示例 DataFrame
df = spark.createDataFrame([(1, "2022-01-01"), (2, "2022-02-15")], ["id", "date_str"])
df = df.withColumn("date", to_date(df.date_str, "yyyy-MM-dd"))

# 计算日期差异
df = df.withColumn("date_diff", datediff(df.date, to_date("2022-01-01", "yyyy-MM-dd")))
df.show()

在上面的示例中，我们首先使用 `to_date` 函数将日期字符串转换为日期类型，并将其存储在名为 `date` 的新列中。然后，我们使用 `datediff` 函数计算 `date` 列与指定日期（例如 "2022-01-01"）之间的天数差异，并将结果存储在名为 `date_diff` 的新列中。

执行上述代码后，您将看到 DataFrame 中添加了一个名为 `date_diff` 的新列，其中包含日期差异的天数。

请注意，在执行这些操作之前，您需要先创建一个 Spark DataFrame，并确保导入了相关的函数和类。

相关问题

pandas中两个日期列相减求天数

可以使用 pandas 的 datetime 模块中的 date 方法将日期列转换为 datetime 类型，然后相减并取得天数，示例代码如下：

import pandas as pd

df = pd.DataFrame({'start_date': ['2022-01-01', '2022-01-02'], 'end_date': ['2022-01-05', '2022-01-07']})

df['start_date'] = pd.to_datetime(df['start_date'])
df['end_date'] = pd.to_datetime(df['end_date'])

df['days'] = (df['end_date'] - df['start_date']).dt.days

print(df)

输出结果为：

  start_date   end_date  days
 2022-01-01 2022-01-05     4
1 2022-01-02 2022-01-07     5

pandas中两个日期列相减求天数并写入到新列

可以使用pandas中的datetime库，将两个日期列转换为datetime格式，然后相减得到时间差，再将时间差转换为天数并写入新列。具体代码如下：

import pandas as pd

# 创建示例数据
df = pd.DataFrame({'start_date': ['2022-01-01', '2022-01-02', '2022-01-03'],
                   'end_date': ['2022-01-05', '2022-01-06', '2022-01-07']})

# 将日期列转换为datetime格式
df['start_date'] = pd.to_datetime(df['start_date'])
df['end_date'] = pd.to_datetime(df['end_date'])

# 计算时间差并转换为天数
df['days'] = (df['end_date'] - df['start_date']).dt.days

# 输出结果
print(df)

输出结果为：

  start_date   end_date  days
 2022-01-01 2022-01-05     4
1 2022-01-02 2022-01-06     4
2 2022-01-03 2022-01-07     4