Lære Datoer og Tidspunkter | Strenge, Datoer, Manglende Data

Stryg for at vise menuen

Ved arbejde med datasæt fra den virkelige verden vil du ofte støde på dato- og tidsinformation, der er gemt som almindelig tekst. For at analysere eller manipulere disse datoer skal du konvertere dem til et datetime-format, som Polars kan forstå. I dette kapitel lærer du, hvordan du parser release_date-strenge til datetime og udtrækker udgivelsesåret ved hjælp af .dt-navnerummet.

Antag, at du har en DataFrame med en kolonne kaldet release_date, hvor hver værdi er en streng som "2015-07-14". For at arbejde med disse som datoer skal du først konvertere kolonnen til en datetime-type. Derefter kan du udtrække nyttig information, såsom året, ved hjælp af Polars' kraftfulde .dt-adgang.


              12345678910111213141516171819
            
import polars as pl

# Sample DataFrame with string dates
df = pl.DataFrame({
    "title": ["Movie A", "Movie B", "Movie C"],
    "release_date": ["2015-07-14", "2018-03-22", "2020-11-05"]
})

# Convert 'release_date' to datetime
df = df.with_columns(
    pl.col("release_date").str.strptime(pl.Date, "%Y-%m-%d").alias("release_date_dt")
)

# Extract the release year as a new column
df = df.with_columns(
    pl.col("release_date_dt").dt.year().alias("release_year")
)

print(df)

Var alt klart?

Tak for dine kommentarer!

Sektion 3. Kapitel 3

Spørg AI

Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat

Sektion 3. Kapitel 3