如何使用Python Polars从整数表示中创建新的日期列？

Question

我有一个Python Polars 数据框，它非常大，Pandas 遇到内存错误。我想使用 python 极坐标，但遇到了一个问题，即采用日期的整数表示来创建两个新列：PeriodDate 和 LagDate。 我可以使用以下命令在 Pandas 的示例中执行此操作：

df['PeriodDate'] = pd.to_datetime(df['IntegerDate'],format='%Y%m')
df['LaggedDate'] = df['PeriodDate'] - pd.DateOffset(months=1)

我已尝试执行以下操作：

df.with_columns(
  pl.col('IntegerDate').str.strptime(pl.Datetime,"%Y%m")
)

SchemaError: Series of dtype: Int64 != Utf8.

作为参考，“IntegerDate”列的格式为：202005、202006、...等

我还没有找到如何在极地做到这一点的好例子，所以任何帮助将不胜感激。

谢谢！

Answer 1

这是 Polars 的实现

import polars as pl
from datetime import datetime as dt

df = pl.DataFrame({'IntegerDate': [202005, 202006, 202207, 202303, 202109]})

df = df.with_columns(pl.col('IntegerDate').cast(pl.String).str.to_date('%Y%m').alias('PeriodDate'))

df

输出

┌─────────────┬────────────┐
│ IntegerDate ┆ PeriodDate │
│ ---         ┆ ---        │
│ i64         ┆ date       │
╞═════════════╪════════════╡
│ 202005      ┆ 2020-05-01 │
│ 202006      ┆ 2020-06-01 │
│ 202207      ┆ 2022-07-01 │
│ 202303      ┆ 2023-03-01 │
│ 202109      ┆ 2021-09-01 │
└─────────────┴────────────┘

# add `LaggedDate`
df = df.with_columns(pl.col('PeriodDate').dt.offset_by('-1mo').alias('LaggedDate'))

df

最终输出

┌─────────────┬────────────┬────────────┐
│ IntegerDate ┆ PeriodDate ┆ LaggedDate │
│ ---         ┆ ---        ┆ ---        │
│ i64         ┆ date       ┆ date       │
╞═════════════╪════════════╪════════════╡
│ 202005      ┆ 2020-05-01 ┆ 2020-04-01 │
│ 202006      ┆ 2020-06-01 ┆ 2020-05-01 │
│ 202207      ┆ 2022-07-01 ┆ 2022-06-01 │
│ 202303      ┆ 2023-03-01 ┆ 2023-02-01 │
│ 202109      ┆ 2021-09-01 ┆ 2021-08-01 │
└─────────────┴────────────┴────────────┘

有关日期偏移的更多信息 -

.dt.offset_by()