Lernen Daten und Zeiten | Zeichenketten, Daten, Fehlende Werte

Swipe um das Menü anzuzeigen

Beim Arbeiten mit realen Datensätzen trifft man häufig auf Datums- und Zeitangaben, die als einfacher Text gespeichert sind. Um diese Daten analysieren oder verarbeiten zu können, müssen sie in ein Datetime-Format umgewandelt werden, das Polars versteht. In diesem Kapitel wird gezeigt, wie release_date-Strings in Datetime konvertiert und das Veröffentlichungsjahr mit dem .dt-Namensraum extrahiert werden kann.

Angenommen, es gibt ein DataFrame mit einer Spalte namens release_date, in der jeder Wert ein String wie "2015-07-14" ist. Um diese Werte als Datum zu verwenden, muss die Spalte zunächst in einen Datetime-Typ umgewandelt werden. Anschließend können nützliche Informationen wie das Jahr mit dem leistungsstarken .dt-Accessor von Polars extrahiert werden.


              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)

War alles klar?

Danke für Ihr Feedback!

Abschnitt 3. Kapitel 3

Fragen Sie AI

Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen

Abschnitt 3. Kapitel 3