pyspark更改dataframe某一列的数据类型

要更改Pyspark DataFrame中某一列的数据类型，可以使用withColumn方法和cast函数。

以下是更改DataFrame列数据类型的示例代码：

from pyspark.sql import SparkSession
from pyspark.sql.functions import col

# 创建SparkSession
spark = SparkSession.builder.getOrCreate()

# 创建示例DataFrame
data = [("Alice", 28, "2000-01-01"), ("Bob", 35, "1990-05-15")]
df = spark.createDataFrame(data, ["name", "age", "birthdate"])

# 查看DataFrame的数据类型
df.dtypes
# 输出：[('name', 'string'), ('age', 'bigint'), ('birthdate', 'string')]

# 更改age列的数据类型为float
df = df.withColumn("age", col("age").cast("float"))

# 查看更改后的数据类型
df.dtypes
# 输出：[('name', 'string'), ('age', 'float'), ('birthdate', 'string')]

在上面的示例中，使用withColumn方法将"age"列重新赋值给自身，并使用cast函数将其数据类型更改为"float"。最后通过dtypes方法查看更改后的数据类型。

请注意，cast函数支持的数据类型包括："string"、"boolean"、"byte"、"short"、"integer"、"long"、"float"、"double"、"decimal"、"date"和"timestamp"