Polars如何从时间格式列中直接提取小时为整数？

当然可以！Polars对时间类型列提供了专门的.dt访问器，能直接在with_columns操作里提取小时数，比map_rows更简洁高效。

完整实现代码 #

import polars as pl
import numpy as np

data = np.array(['06:30', '17:45', '18:32'])
df = pl.from_numpy(data, schema=["Checkout Time"])

# 转换时间格式 + 提取小时，一步完成
df = df.with_columns(
    # 将字符串转为时间类型（覆盖原列）
    pl.col('Checkout Time').str.to_time('%H:%M').alias('Checkout Time'),
    # 直接提取小时并命名为Hour列
    pl.col('Checkout Time').str.to_time('%H:%M').dt.hour.alias('Hour')
)

# 如果已经完成时间格式转换，单独提取小时只需一行
# df = df.with_columns(pl.col('Checkout Time').dt.hour.alias('Hour'))

关键说明 #

• 当列是时间类型时，通过.dt.hour可以直接获取该时间的小时数（返回整数类型）
• 这种方式是向量化操作，比map_rows的逐行处理性能高很多，尤其在处理大数据集时差距明显
• 代码逻辑更直观，不需要额外的lambda函数和重命名操作

对比原方法 #

原来的map_rows写法需要先选择列、逐行调用lambda提取小时，还要重命名结果列，而用.dt.hour只需在with_columns里添加一行即可完成，代码量更少，可读性更强。

内容的提问来源于stack exchange，提问作者tcotts