使用Polars官方示例代码遇ImportError：需安装pyarrow处理日期类型

问题重现 #

运行Polars用户指南中的示例代码时触发如下报错：

ImportError: 'pyarrow' is required for converting a Sequence of date or datetime values to a PySeries

示例代码：

import polars as pl

# to enrich the examples in this quickstart with dates
from datetime import datetime, timedelta 
# to generate data for the examples
import numpy as np 

dataframe = pl.DataFrame({"integer": [1, 2, 3], 
                          "date": [
                              (datetime(2022, 1, 1)), 
                              (datetime(2022, 1, 2)), 
                              (datetime(2022, 1, 3))
                          ], 
                          "float":[4.0, 5.0, 6.0]})
dataframe

解决方案 #

方案1：安装pyarrow依赖 #

直接通过包管理工具安装pyarrow即可解决类型转换的依赖问题：

• 使用pip安装：

pip install pyarrow

• 使用conda安装（conda环境下）：

conda install pyarrow -c conda-forge

方案2：不依赖pyarrow，改用numpy datetime64类型 #

如果你不想引入pyarrow依赖，可以将Python原生datetime对象组成的序列转换为numpy的datetime64[ns]类型，Polars可以直接处理这种类型的数据，无需额外依赖。修改后的代码如下：

import polars as pl
from datetime import datetime, timedelta 
import numpy as np 

dataframe = pl.DataFrame(
    {
        "integer": [1, 2, 3], 
        "date": np.array(
            [datetime(2022, 1, 1), datetime(2022, 1, 2), datetime(2022, 1, 3)],
            dtype="datetime64[ns]"
        ), 
        "float": [4.0, 5.0, 6.0]
    }
)
print(dataframe)

原因说明 #

Polars在处理Python原生datetime对象构成的序列时，需要借助pyarrow完成从Python对象到Polars内部PySeries的类型转换；而numpy的datetime64类型与Polars的日期类型兼容度更高，可以直接被解析处理，因此不需要pyarrow依赖。

内容的提问来源于stack exchange，提问作者Alexandr