在 Polars 中轻松将字符串列转换为 pl.datetime

考虑一个带有一列的 Polars 数据框str表示日期格式的类型'27 July 2020'。我想将此列转换为polars.datetime类型，与Python标准不同datetime。以下代码，使用标准datetime格式有效，但 Polars 无法将列中的值识别为日期。

import polars as pl
from datetime import datetime

df = pd.read_csv('<some CSV file containing a column called 'event_date'>')
df = df.with_columns([   
        pl.col('event_date').apply(lambda x: x.replace(" ","-"))\
                            .apply(lambda x: datetime.strptime(x, '%d-%B-%Y'))
])

假设我们尝试处理df进一步创建一个新列，指示事件发生的季度。

df = df.with_columns([
        pl.col('event_date').apply(lambda x: x.month)\
                            .apply(lambda x: 1 if x in range(1,4) else 2 if x in range(4,7) else 3 if x in range(7,10) else 4)\
                            .alias('quarter')
])

该代码返回以下错误，因为它符合event_type as dtype Object("object")而不是作为datetime or polars.datetime

thread '<unnamed>' panicked at 'dtype Object("object") not supported', src/series.rs:992:24
--- PyO3 is resuming a panic after fetching a PanicException from Python. ---
PanicException: Unwrapped panic from Python code

Update: .str.to_datetime() https://pola-rs.github.io/polars/py-polars/html/reference/expressions/api/polars.Expr.str.to_datetime.html#polars.Expr.str.to_datetime可以像极地一样使用v0.17.10 https://github.com/pola-rs/polars/releases/tag/py-0.17.10

df = pl.from_repr("""
┌─────┬──────────────────┐
│ id  ┆ event_date       │
│ --- ┆ ---              │
│ i64 ┆ str              │
╞═════╪══════════════════╡
│ 1   ┆ 27 July 2020     │
│ 2   ┆ 31 December 2020 │
└─────┴──────────────────┘
""")

df.with_columns(
   pl.col("event_date").str.to_datetime("%d %B %Y")
)

shape: (2, 2)
┌─────┬─────────────────────┐
│ id  ┆ event_date          │
│ --- ┆ ---                 │
│ i64 ┆ datetime[μs]        │
╞═════╪═════════════════════╡
│ 1   ┆ 2020-07-27 00:00:00 │
│ 2   ┆ 2020-12-31 00:00:00 │
└─────┴─────────────────────┘

将字符串转换为日期/日期时间的最简单方法是使用 Polars 自己的strptime https://pola-rs.github.io/polars/py-polars/html/reference/expressions/api/polars.Expr.str.strptime.html函数（而不是 Python 中的同名函数）datetime模块）。

例如，让我们从这个数据开始。

import polars as pl

df = pl.DataFrame({
    'date_str': ["27 July 2020", "31 December 2020"]
})
print(df)

shape: (2, 1)
┌──────────────────┐
│ date_str         │
│ ---              │
│ str              │
╞══════════════════╡
│ 27 July 2020     │
├╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌┤
│ 31 December 2020 │
└──────────────────┘

要转换，请使用 Polarsstrptime https://pola-rs.github.io/polars/py-polars/html/reference/expressions/api/polars.Expr.str.strptime.html功能。

df.with_columns(pl.col('date_str').str.strptime(pl.Date, fmt='%d %B %Y').cast(pl.Datetime))

shape: (2, 1)
┌─────────────────────┐
│ date_str            │
│ ---                 │
│ datetime[μs]        │
╞═════════════════════╡
│ 2020-07-27 00:00:00 │
├╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌┤
│ 2020-12-31 00:00:00 │
└─────────────────────┘

请注意，我们不需要用破折号替换空格。我已将结果转换为日期时间（根据您的问题），但您也许可以使用日期。

目前，apply当返回类型是 python Date/Datetime 对象时该方法不起作用，但是有一个request https://github.com/pola-rs/polars/issues/3022为了这。也就是说，最好使用 Polarsstrptime。会比调用python快很多datetime code.

Edit：截至极地0.13.19, the apply方法会自动将Python日期/日期时间转换为Polars日期/日期时间。