Spark DataFrame withColumn格式化日份：补0后显示列名而非值求助

你当前代码的问题出在"0" + str(df.DayofMonth)这一行——这是Python层面的字符串拼接操作，str(df.DayofMonth)会把Spark的Column对象直接转成字符串（结果是类似Column<'DayofMonth'>的文本），而不是取列的实际值进行拼接，所以最终生成的列显示的是拼接后的列名字符串，而非预期的补0数值。

解决方案1：使用concat + lit + cast函数 #

利用Spark内置函数处理列值拼接，替代Python层面的字符串操作：

from pyspark.sql.functions import concat, lit, when, cast

dff = df.withColumn(
    "DayofMonthFormatted",
    when(
        df.DayofMonth.between(1, 9),
        concat(lit("0"), cast(df.DayofMonth, "string"))
    ).otherwise(cast(df.DayofMonth, "string"))
)

display(dff['DayofMonth', 'DayofMonthFormatted'])

• lit("0")：创建值为"0"的常量列
• cast(df.DayofMonth, "string")：将数值类型的DayofMonth转为字符串类型，满足拼接要求
• concat：Spark的字符串拼接函数，用于合并两个列的内容

解决方案2：使用format_string函数（更简洁） #

Spark的format_string函数可直接格式化数字，自动补0，无需额外判断：

from pyspark.sql.functions import format_string

dff = df.withColumn(
    "DayofMonthFormatted",
    format_string("%02d", df.DayofMonth)
)

display(dff['DayofMonth', 'DayofMonthFormatted'])

• %02d：格式化规则，将数字转为两位格式，不足两位时前面补0（比如1转为"01"，10保持"10"）

内容的提问来源于stack exchange，提问作者Rob