在Spark中，可以使用withColumn函数将日期列按照yy/mm/dd进行分区，然后使用repartition函数对数据进行重新分区。

以下是一个示例代码：

import org.apache.spark.sql.functions._

// 创建SparkSession
val spark = SparkSession.builder()
  .appName("Spark Date Partition")
  .getOrCreate()

// 导入隐式转换
import spark.implicits._

// 读取数据
val df = spark.read.format("csv")
  .option("header", "true")
  .load("path/to/input.csv")

// 将日期列转换为日期类型
val dfWithDate = df.withColumn("date", to_date($"date", "yyyy/MM/dd"))

// 按照yy/mm/dd进行分区
val partitionedDf = dfWithDate.withColumn("year", year($"date"))
  .withColumn("month", month($"date"))
  .withColumn("day", dayofmonth($"date"))
  .repartition($"year", $"month", $"day")

// 保存分区后的数据
partitionedDf.write
  .partitionBy("year", "month", "day")
  .format("csv")
  .mode("overwrite")
  .save("path/to/output")

在上述代码中，首先读取输入数据，然后使用to_date函数将日期列转换为日期类型。接下来，使用year、month和dayofmonth函数分别提取年、月和日，并将数据重新分区。最后，使用write函数将分区后的数据保存到指定路径。

请注意，上述代码中的日期格式为"yyyy/MM/dd"，如果您的日期格式不同，请相应地修改代码中的日期格式字符串。