如何在Azure Databricks中使用Scala实现月份名称到月份数字的映射

下面提供两种实用的实现方式，根据你的场景选择即可：

方法一：自定义映射字典（严格匹配指定规则） #

如果需要完全按照给定的映射规则实现，不受系统环境影响，可以手动构建映射关系：

import org.apache.spark.sql.functions.{col, create_map, lit}

// 构建月份缩写到两位数字的映射
val monthMapping = create_map(
  lit("Jan"), lit("01"),
  lit("Feb"), lit("02"),
  lit("Mar"), lit("03"),
  lit("Apr"), lit("04"),
  lit("May"), lit("05"),
  lit("Jun"), lit("06"),
  lit("Jul"), lit("07"),
  lit("Aug"), lit("08"),
  lit("Sep"), lit("09"),
  lit("Oct"), lit("10"),
  lit("Nov"), lit("11"),
  lit("Dec"), lit("12")
)

// 转换PERIOD列，生成新的数字月份列（示例命名为PERIOD_NUM）
val resultDF = yourOriginalDataFrame.withColumn("PERIOD_NUM", monthMapping.getItem(col("PERIOD")))

这种方式的优势是完全自定义规则，不会因为系统本地化设置出现解析偏差，适合要求严格匹配的场景。

方法二：利用Spark内置日期函数（简洁高效） #

如果你的月份缩写是标准英文格式，可以直接借助Spark的日期解析函数，无需手动维护映射：

import org.apache.spark.sql.functions.{col, to_date, date_format}

// 将月份缩写转为日期，再提取两位数字的月份
val resultDF = yourOriginalDataFrame.withColumn(
  "PERIOD_NUM",
  date_format(to_date(col("PERIOD"), "MMM"), "MM")
)

// 若Databricks环境默认语言非英文，需显式指定英文Locale避免解析失败
import java.util.Locale

val resultDFWithLocale = yourOriginalDataFrame.withColumn(
  "PERIOD_NUM",
  date_format(to_date(col("PERIOD"), "MMM", Locale.ENGLISH), "MM")
)

这种方式更简洁，不需要手动写全12个月份的映射，减少代码冗余，适合标准英文月份的常规场景。

内容的提问来源于stack exchange，提问作者Nilesh Patel