为什么r lubridate::duration数据类型使用sparkyr转换为spark中的字符?

gc0ot86w  于 2021-07-13  发布在  Spark
关注(0)|答案(0)|浏览(262)

我正在使用 sparklyr 包裹。我使用 lubridate 包来计算两个日期之间的持续时间(以天为单位)。在r中,这导致 duration 然后可以转换为数字数据类型的数据类型,如下例所示。


# Load packages

library(sparklyr)
library(dplyr)
library(lubridate)

# Create dataframe with start and end date

df <- tibble(start = ymd("20210101"), 
             end = ymd("20210105"))
df
---

# A tibble: 1 x 2

  start      end       
  <date>     <date>    
1 2021-01-01 2021-01-05
---

# Calculate duration and convert to numeric using R dataframe

df %>% 
  mutate(dur = end - start,
         dur_num = as.numeric(dur))
---

# A tibble: 1 x 4

  start      end        dur    dur_num
  <date>     <date>     <drtn>   <dbl>
1 2021-01-01 2021-01-05 4 days       4
---

在sparkDataframe上使用 sparklyr 将生成错误,因为持续时间数据类型会自动转换为字符串数据类型。下面的示例中显示了代码和错误。从本地r转为spark时,由于时区不同,请忽略日期的变化。


## Connect to local Spark cluster

sc <- spark_connect(master = "local", version = "3.0")

# Copy dataframe to Spark

df_spark <- copy_to(sc, df)

# Calculate duration using Spark dataframe

df_spark %>% 
  mutate(dur = end - start)
---

# Source: spark<?> [?? x 3]

  start      end        dur   
  <date>     <date>     <chr> 
1 2020-12-31 2021-01-04 4 days
---

# Calculate duration and convert to numeric using Spark dataframe

df_spark %>% 
  mutate(dur = end - start,
         dur_num = as.numeric(dur))
---
Error: org.apache.spark.sql.AnalysisException: cannot resolve 'CAST(q01.`dur` AS DOUBLE)' due to data type 
mismatch: cannot cast interval to double; line 1 pos 30;
'Project [start#58, end#59, dur#280, cast(dur#280 as double) AS dur_num#281]
+- SubqueryAlias q01
   +- Project [start#58, end#59, subtractdates(end#59, start#58) AS dur#280]
      +- SubqueryAlias df
         +- LogicalRDD [start#58, end#59], false
---

有没有可能使用 lubridate::duration spark中的数据类型使用 sparklyr ? 如果没有,有没有办法绕过转换成字符串,结果天数是双倍的?感谢所有的帮助。

暂无答案!

目前还没有任何答案,快来回答吧!

相关问题