在Scala中，如何创建一个在开始日期和结束日期之间的每月日期的日期数组列？

Question

在Spark Scala中，我试图创建一列，其中包含开始日期和结束日期之间（包括结束日期）的每月日期数组。

例如，如果我们有2018-02-07和2018-04-28，则数组应包含[2018-02-01、2018-03-01、2018-04-01]。

除了每月版本，我还要创建一个季度版本，即[2018-1，2018-2]。

示例输入数据：

id startDate endDate
1_1 2018-02-07 2018-04-28
1_2 2018-05-06 2018-05-31
2_1 2017-04-13 2017-04-14

预期（每月）输出1：

id startDate endDate dateRange
1_1 2018-02-07 2018-04-28 [2018-02-01, 2018-03-01, 2018-04-01]
1_1 2018-05-06 2018-05-31 [2018-05-01]
2_1 2017-04-13 2017-04-14 [2017-04-01]

最终预期（每月）输出2：

id Date
1_1 2018-02-01 
1_1 2018-03-01
1_1 2018-04-01
1_2 2018-05-01
2_1 2017-04-01

我有spark 2.1.0.167，Scala 2.10.6和JavaHotSpot 1.8.0_172。

我已经尝试在此处实现对类似（日级）问题的几种答案，但是我正在努力使月度/季度版本能够正常工作。

下面从start和endDate创建一个数组并将其爆炸。但是，我需要展开一列，其中包含所有之间的每月（季度）日期。

val df1 = df.select($"id", $"startDate", $"endDate").
// This just creates an array of start and end Date
withColumn("start_end_array"), array($"startDate", $"endDate").
withColumn("start_end_array"), explode($"start_end_array"))

谢谢您的潜在客户。

Answer 1

case class MyData(id: String, startDate: String, endDate: String, list: List[String])
val inputData = Seq(("1_1", "2018-02-07", "2018-04-28"), ("1_2", "2018-05-06", "2018-05-31"), ("2_2", "2017-04-13", "2017-04-14"))
inputData.map(x => {
  import java.time.temporal._
  import java.time._
  val startDate = LocalDate.parse(x._2)
  val endDate = LocalDate.parse(x._3)
  val diff = ChronoUnit.MONTHS.between(startDate, endDate)
  var result = List[String]();
  for (index <- 0 to diff.toInt) {
    result = (startDate.getYear + "-" + (startDate.getMonth.getValue + index) + "-01") :: result
  }
  new MyData(x._1, x._2, x._3, result)
}).foreach(println)