在databricks中,我创建了一个spark数据框,需要将其转换为pandas数据框,
sdf = spark.sql('select * from my_tbl')
pdf = sdf.toPandas()
但出现错误:
ArrowInvalid: Casting from timestamp[us, tz=America/New_York] to timestamp[ns] would result in out of bounds timestamp: 253402214400000000
File <command-1629564213930490>, line 1
----> 1 pdf=sdf.toPandas()
我只是想知道如何解决这个问题,或者是否有办法通过直接调用 databricks 中的 SQL 来生成 panda 数据框?
数据框示例:
brand type Trans_dtt code
CCA_T A 2020-05-06T00:00:00-04:00 2020C01
CCA_T B 2013-01-03T00:00:00-05:00 2012X02
CCD_R A 2020-10-12T00:00:00-01:00 2036T31
CCD_U A 2020-09-22T00:00:00-01:00 2022T31
您遇到的错误表明时间戳转换存在问题。你可以尝试:
df = sdf.toPandas(timestampFormat='yyyy-MM-dd HH:mm:ss.SSS')