Lära Datum och Tider | Strängar, Datum, Saknade Data

Svep för att visa menyn

Vid arbete med verkliga datamängder stöter du ofta på datum- och tidsinformation som är lagrad som vanlig text. För att analysera eller bearbeta dessa datum behöver du konvertera dem till ett datetime-format som Polars kan tolka. I detta kapitel lär du dig hur du tolkar release_date-strängar till datetime och extraherar utgivningsåret med hjälp av .dt-namnrymden.

Anta att du har en DataFrame med en kolumn som heter release_date, där varje värde är en sträng som "2015-07-14". För att arbeta med dessa som datum måste du först konvertera kolumnen till en datetime-typ. Därefter kan du extrahera användbar information, såsom året, med Polars kraftfulla .dt-accessor.


              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 allt tydligt?

Tack för dina kommentarer!

Avsnitt 3. Kapitel 3

Fråga AI

Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal

Avsnitt 3. Kapitel 3