如何在Polars中解析仅含年月的日期字符串（无需冗余拼接）？

直接用str.to_date并设置strict=False参数就能实现类似Python strptime的自动补日功能，无需拼接或拆分字段：

import polars as pl

df = pl.DataFrame({"date": ["2024,2", "2024,12"]})
result = df.with_columns(
    pl.col("date").str.to_date("%Y,%m", strict=False).alias("parsed_date")
)
print(result)

输出结果：

shape: (2, 2)
┌─────────┬─────────────┐
│ date    ┆ parsed_date │
│ ---     ┆ ---         │
│ str     ┆ date        │
╞═════════╪═════════════╡
│ 2024,2  ┆ 2024-02-01  │
│ 2024,12 ┆ 2024-12-01  │
└─────────┴─────────────┘

为什么这个方案更优 #

• 无需手动拼接,1或拆分字段构造日期，代码简洁直观
• strict=False参数会让Polars自动填充缺失的日期部分为1，和Python的strptime行为完全一致
• 性能优于字符串拼接/拆分方案，直接调用底层日期解析逻辑，减少额外计算步骤

其他方案对比 #

如果不用strict=False，常见的替代方法是拼接,1后解析：

df.with_columns(
    pl.col("date").str.concat(",1").str.to_date("%Y,%m,%d").alias("parsed_date")
)

或者拆分字段构造日期：

df.with_columns(
    pl.date(
        pl.col("date").str.split(",").list.get(0).cast(pl.Int32),
        pl.col("date").str.split(",").list.get(1).cast(pl.Int32),
        1
    ).alias("parsed_date")
)

但这两种方法都不如直接设置strict=False来得简洁高效。

内容的提问来源于stack exchange，提问作者bzm3r