在Rust Polars中按每日时间范围过滤时序数据

要精准筛选出每日09:00:00到16:00:00（包含两端）的记录，你需要同时判断时间的小时、分钟甚至秒数，而非仅通过小时范围过滤。以下是两种可行的实现方案：

方案一：利用当日秒数判断（简洁高效） #

通过dt().second_of_day()将时间转换为当日总秒数，直接判断该值是否落在9:00（32400秒）到16:00（57600秒）的区间内：

let filtered_df = df
    .lazy()
    .filter(
        col("time")
            .dt()
            .second_of_day()
            .gt_eq(32400) // 9*3600，对应09:00:00
            .and(col("time").dt().second_of_day().lt_eq(57600)) // 16*3600，对应16:00:00
    )
    .collect()?;

方案二：组合小时、分钟、秒条件（直观可控） #

拆分逻辑：保留9:00-15:59:59的所有记录，同时仅保留16:00:00这一条记录：

let filtered_df = df
    .lazy()
    .filter(
        // 保留9点到15点的所有记录
        col("time").dt().hour().gt_eq(9).and(col("time").dt().hour().lt(16))
        // 额外保留16:00:00的记录
        .or(
            col("time").dt().hour().eq(16)
                .and(col("time").dt().minute().eq(0))
                .and(col("time").dt().second().eq(0))
        )
    )
    .collect()?;

原代码失效原因 #

你之前仅通过hour().gt_eq(9).and(hour().lt_eq(16))筛选，会把16点整之后的所有记录（比如16:25、16:55）包含进来——这些记录的小时数仍为16，符合条件，但超出了你需要的时间范围。

关于Polars的条件逻辑 #

如果需要更复杂的分支判断，Polars提供when/then/otherwise表达式实现类似if/else的逻辑，但在这个场景下，直接组合范围和精确匹配条件会更高效。

内容的提问来源于stack exchange，提问作者nklsla