（合法的时间间隔可以是这样‘1 second’, ‘1 day 12 hours’, ‘2 minutes’。支持的时间类型如下：‘week’, ‘day’, ‘hour’, ‘minute’, ‘second’, ‘millisecond’, ‘microsecond’. ）

１、起始点是 1970年1月1日 8点0分0秒 星期四。

　　这意味着什么呢？

　　意味着如果按周来groupby，那么它把    这周四的早上8点   到   下周四的早上8点，作为一个时间窗来groupby。当我们遇到需要按照   周一  到 下周一 作为时间窗的需求该怎么办呢？

　　这时候就需要对时间窗的起始点进行平移，平移可以是增平移，也可以是减平移：

例：假设我们要移动到周一早上00:00:00，那么我们可以这么设置startTime：

from pyspark.sql.functions import window win_monday = window("col1", "1 week", startTime="4 day -8 hour 0 minute 0 second") grouped_data = df.groupBy([df.col2, df.col3, df.col4, win_monday]) df = grouped_data.sum('col_val')

这样设置以后，起始时间窗就变成了：1970-01-05 00:00:00 Monday

２、我想对合并后的时间窗起始点进行join操作怎么办呢？

　　有时候我们会遇到这样一个需求：当按周进行groupby并sum求和某列col_val以后，需要按照时间把另一个表的某col_a减去col_val。对应时间上的列减去对应时间上的另一列，自然而然想到join。然后发现groupby出来的window列，不是一个date类型，这怎么join。所以这个window列是个什么类型呢？

　　我们打印出来

　　发现它是一个类型。这就好办了，用正常取dict的方法，取出数据就行。这个一个Row，里面有2个元素分别是start和end，进一步详细打印我们发现它是这样的：

　　Row(start=datetime.datetime(2017, 7, 3, 0, 0), end=datetime.datetime(2017, 7, 10, 0, 0))

　　所以当我们需要取start或者end的时候，直接这样

row['window']['start']

　　就可以了。