Rust中Polars将字符串日期列转换为datetime列的问题

我用Polars读取CSV文件得到DataFrame，其中“Date”列是05 Jan 1997格式的字符串。想新增名为“datetime”的列，把该列转换成datetime格式。已知NaiveDate::parse_from_str(s, "%d %b %Y")可以转换单个字符串，但用apply批量处理时出现类型不匹配的编译错误：apply传递的是Series，而NaiveDate::parse_from_str需要&str，且返回值类型也不对。

尝试的代码：

let df_csv = match read_csv(&file_name) {
        Ok(some) => some,
        Err(err) => {
            eprintln!("Error: {}", err);
            process::exit(1);
        }
    };

// 提取Date和Close列
let df_csv = df_csv.select(["Date", "Close"]).unwrap();

// 尝试添加datetime列时出错
let out = df_csv.clone().lazy().select([
        col("Date"),
        col("Date").apply(|s| { 
            Ok(Some(NaiveDate::parse_from_str(&s, "%d %b %Y").unwrap()))} , GetOutput::default()
        )
        .alias("datetime"),
        col("Close")
    ]).collect();

编译错误：

Compiling stock_data_analysis v0.1.0 (/Users/hrishi/Projects/stock_data_analysis)
error[E0308]: mismatched types
   --> src/main.rs:89:47
    |
89  | ...     Ok(Some(NaiveDate::parse_from_str(&s, "%d %b %Y").unwr...
    |                 ------------------------- ^^ expected `&str`, found `&Series`
    |                 |
    |                 arguments to this function are incorrect
    |
    = note: expected reference `&str`
               found reference `&polars::prelude::Series`
error[E0308]: mismatched types
   --> src/main.rs:89:21
    |
89  | ...Ok(Some(NaiveDate::parse_from_str(&s, "%d %b %Y").unwrap()))}...
    |       ---- ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ expected `Series`, found `NaiveDate`

Polars的apply方法处理列时接收的是整个Series，而非单个元素，直接用NaiveDate::parse_from_str处理会导致类型不匹配。以下两种方式可以解决问题：

方法一：手动遍历Series元素（适合自定义解析逻辑） #

将Series转为字符串迭代器，逐个解析后再构建Polars兼容的日期类型Series：

use polars::prelude::*;
use chrono::NaiveDate;

let out = df_csv.clone().lazy().select([
    col("Date"),
    col("Date")
        .apply(
            |s: Series| {
                // 转换为Utf8格式的Chunked数组，遍历每个字符串元素
                let parsed_dates: Vec<Option<NaiveDate>> = s
                    .utf8()
                    .unwrap()
                    .into_iter()
                    .map(|opt_str| {
                        // 解析每个字符串，失败则返回None（对应Polars的Null）
                        opt_str.and_then(|s| NaiveDate::parse_from_str(s, "%d %b %Y").ok())
                    })
                    .collect();
                // 将解析结果转为Polars的Date类型Series
                Ok(Series::new("datetime", parsed_dates))
            },
            GetOutput::from_type(DataType::Date),
        )
        .alias("datetime"),
    col("Close"),
])
.collect()?;

方法二：使用Polars内置strptime（推荐，性能更高） #

Polars提供了矢量化的日期解析函数strptime，无需手动遍历，直接指定格式即可完成批量转换：

let out = df_csv.clone().lazy().select([
    col("Date"),
    col("Date")
        .str()
        .strptime(DataType::Date, "%d %b %Y")
        .alias("datetime"),
    col("Close"),
])
.collect()?;

关键说明 #

• 方法一中，utf8().unwrap()将Series转为Utf8Chunked类型，into_iter()获取每个字符串的Option<&str>，解析失败时用ok()转为None，对应Polars中的Null值。
• 方法二的strptime是Polars原生的矢量化操作，比手动遍历效率高很多，优先选择这种方式。
• 两种方法都会自动处理解析失败的情况，将无效日期转为Null。

内容的提问来源于stack exchange，提问作者perfopt