Impara Date e Orari | Stringhe, Date, Dati Mancanti

Scorri per mostrare il menu

Quando si lavora con dataset reali, spesso si incontrano informazioni su date e orari memorizzate come testo semplice. Per analizzare o manipolare queste date, è necessario convertirle in un formato datetime che Polars possa comprendere. In questo capitolo, verrà illustrato come eseguire il parsing delle stringhe release_date in datetime ed estrarre l'anno di rilascio utilizzando lo spazio dei nomi .dt.

Supponiamo di avere un DataFrame con una colonna chiamata release_date, in cui ogni valore è una stringa come "2015-07-14". Per lavorare con questi dati come date, è necessario prima convertire la colonna in un tipo datetime. Successivamente, è possibile estrarre informazioni utili, come l'anno, utilizzando il potente accessor .dt di Polars.


              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)

Tutto è chiaro?

Grazie per i tuoi commenti!

Sezione 3. Capitolo 3

Chieda ad AI

Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione

Sezione 3. Capitolo 3