Polars DataFrame写入MS SQL日期格式报错，求纯Polars解决方案

问题背景 #

使用Polars从MS SQL读取数据并转换后，执行写入另一个MS SQL数据库操作时出现报错：

NotImplementedError: dt.tz is not supported for date32[day][pyarrow]

转为Pandas DataFrame后可正常写入，但用Polars的apply转换日期类型会生成多余时间戳，需要纯Polars解决方案。

纯Polars解决方案 #

方法1：转换为Polars原生Date类型（无时间戳） #

原报错源于PyArrow的date32[day]类型与MS SQL驱动的兼容性问题，将日期列转换为Polars原生pl.Date类型即可解决：

# 转换日期列类型
polar_df = polar_df.with_columns(
    pl.col("DATE").cast(pl.Date)
)

# 执行写入
polar_df.write_database(table_name="Table1", connection_uri=mssql_db2, if_exists='replace')

如果原列已是pl.Date但基于PyArrow后端，可通过字符串中转强制使用Polars原生实现：

polar_df = polar_df.with_columns(
    pl.col("DATE").dt.to_string("%Y-%m-%d").str.to_date()
)

方法2：转换为无时区的Datetime类型（自动映射MS SQL DATE） #

若方法1仍有问题，可将日期列转换为无时区的pl.Datetime类型，写入时MS SQL会自动识别为DATE类型，不会保留时间戳：

polar_df = polar_df.with_columns(
    pl.col("DATE").cast(pl.Datetime(time_unit="ns", time_zone=None))
)

polar_df.write_database(table_name="Table1", connection_uri=mssql_db2, if_exists='replace')

方法3：读取时直接指定日期类型（从源头规避） #

在读取源数据库时，直接指定日期列的类型为Polars原生pl.Date，跳过PyArrow的date32类型：

polar_df = pl.read_database(
    query,
    mssql_db1,
    partition_num=5,
    dtype={"DATE": pl.Date}
)
# 后续转换及写入操作不变

内容的提问来源于stack exchange，提问作者kata1000