df_x（“end_date”）--〉这是访问spark Dataframe 列的错误方法。这就是为什么python假设它是一个可调用的，而你得到了这个错误。
df_x[“end_date”] --〉这是访问列（或df_x.end_date）的方式

更新：

现在只注意到，.ge（）或.le（）类方法不会对spark dataframe列对象起作用.你可以使用以下任何一种方法进行过滤：

from pyspark.sql.functions import col

df_s1 = df_x.filter(df_x["end_date"] >='2022-08-17')

# OR

df_s1 = df_x.filter(df_x.end_date>='2022-08-17')

# OR

df_s1 = df_x.filter(col('end_date')>='2022-08-17')

# OR

df_s1 = df_x.filter("end_date>='2022-08-17'")

# OR

# you can use df_x.where() instead of df_x.filter

你可能在Pandas和pyspark之间搞混了。不管怎样，这就是你怎么做的
数据框

df=spark.createDataFrame([("2022-08-16",1),("2019-06-24",2),("2022-08-19",3)]).toDF("date","increment")#

皮斯帕克

df_x = df.withColumn('date', to_date('date'))
df_x.filter(col('date')>(to_date(lit("2022-08-17")))).show()

Pandas

df_x = df.toPandas()

df_s1 = df_x.assign(date= pd.to_datetime(df_x['date'])).query("date.gt('2022-08-17')", engine='python')

或

df_x[df_x['date']>'2022-08-17']

在expr（）函数中使用SQL风格的自由格式大小写/when语法。这样它也是可移植的。

df_x = (df_x.withColumn("REV_STAT_TYP_DES",
         expr(""" case 
                  when review_statmnt_type_desc='' and  end_date >='2022-08-17' then 'Not Released'
                  when review_statmnt_type_desc='' and  ( end_date <'2022-08-17' or end_date is null ) then 'Not Available'
                  else null 
                 end 
           """)

有些人试图让复杂的代码看起来更简洁。根据这些建议，如果将条件语句分离成不同的变量，它们可能会更好地被理解和维护。看看我是如何将isnull添加到一些变量中的a-如果它们没有被重构成单独的变量，这将变得更加困难。

from pyspark.sql import functions as F

no_review = (F.col("review_statmnt_type_desc") == "") | F.isnull("review_statmnt_type_desc")
no_end_date = (F.col("end_date") == "") | F.isnull("end_date")
not_released = no_review & (F.col("end_date") >= F.lit("2022-08-17"))
not_available = no_review & ((F.col("end_date") < F.lit("2022-08-17")) | no_end_date)

此外，如果otherwise子句返回null（默认行为），则不需要otherwise子句。

df_x = df_x.withColumn(
    "REV_STAT_TYP_DES",
    F.when(not_released, "Not Released")
     .when(not_available, "Not Available")
)