Leer Datums en Tijden | Strings, Datums, Ontbrekende Data

Veeg om het menu te tonen

Bij het werken met echte datasets kom je vaak datum- en tijdinformatie tegen die als platte tekst is opgeslagen. Om deze datums te analyseren of te bewerken, moet je ze omzetten naar een datetime-formaat dat Polars begrijpt. In dit hoofdstuk leer je hoe je release_date-strings omzet naar datetime en het releasejaar extraheert met behulp van de .dt namespace.

Stel dat je een DataFrame hebt met een kolom genaamd release_date, waarbij elke waarde een string is zoals "2015-07-14". Om hiermee als datums te werken, moet je de kolom eerst omzetten naar een datetime-type. Vervolgens kun je nuttige informatie, zoals het jaar, extraheren met de krachtige .dt accessor van 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)

Was alles duidelijk?

Bedankt voor je feedback!

Sectie 3. Hoofdstuk 3

Vraag AI

Vraag wat u wilt of probeer een van de voorgestelde vragen om onze chat te starten.

Sectie 3. Hoofdstuk 3