df.filter(pl.col("MyDate") >= "2020-01-01")
不像 pandas 那样工作。
我找到了解决方法
df.filter(pl.col("MyDate") >= pl.datetime(2020,1,1))
但是如果我需要使用字符串变量,这并不能解决问题。
.str.to_date()
以上面的示例为基础:
import polars as pl
from datetime import datetime
df = pl.DataFrame({
"dates": [datetime(2021, 1, 1), datetime(2021, 1, 2), datetime(2021, 1, 3)],
"vals": range(3)
})
df.filter(pl.col('dates') >= pl.lit(my_date_str).str.to_date())
shape: (2, 2)
┌─────────────────────┬──────┐
│ dates ┆ vals │
│ --- ┆ --- │
│ datetime[μs] ┆ i64 │
╞═════════════════════╪══════╡
│ 2021-01-02 00:00:00 ┆ 1 │
│ 2021-01-03 00:00:00 ┆ 2 │
└─────────────────────┴──────┘
您可以使用
python datetime
对象。它们将转换为极坐标 literal
表达式。
import polars as pl
from datetime import datetime
pl.DataFrame({
"dates": [datetime(2021, 1, 1), datetime(2021, 1, 2), datetime(2021, 1, 3)],
"vals": range(3)
}).filter(pl.col("dates") > datetime(2021, 1, 2))
或者用显式语法:
pl.col("dates") > pl.lit(datetime(2021, 1, 2))
稍微简洁的代码的黑客解决方法:只需使用 pandas!
pd.to_datetime
采用单个字符串,并且通过使用我自己的数据以及您的示例 Polars 进行测试,非常高兴能够使用它返回的 pandas 日期时间对象。
如果从 pandas 导入对你来说是不可能的,那么这是没有用的,但如果你想要简单的字符串到日期转换...... 为什么不使用 pandas 来做它擅长的事情呢? :P
import polars as pl
from datetime import datetime
from pandas import to_datetime # or just import pandas as pd
df = pl.DataFrame({
"dates": [datetime(2021, 1, 1), datetime(2021, 1, 2), datetime(2021, 1, 3)],
"vals": range(3)
})
my_date_str = "2021-01-02"
my_date = to_datetime(my_date_str) # or use pd.to_datetime
print(df.filter(pl.col('dates') >= my_date))
产生:
shape: (2, 2)
┌─────────────────────┬──────┐
│ dates ┆ vals │
│ --- ┆ --- │
│ datetime[μs] ┆ i64 │
╞═════════════════════╪══════╡
│ 2021-01-02 00:00:00 ┆ 1 │
│ 2021-01-03 00:00:00 ┆ 2 │
└─────────────────────┴──────┘