Polars中如何为日期列增加指定年数并实现分组统计

Polars 表达式运算无法直接识别Python侧的dateutil.relativedelta对象，所以会抛出字面量类型错误。Polars本身内置了高性能的日期偏移API，不需要依赖第三方日期处理库，完全可以在表达式内部直接完成年数偏移计算。

使用Polars原生的dt.offset_by()方法做日期偏移，传入"3y"即可实现日期加3年的逻辑，该方法会自动处理闰年、月末日期对齐等特殊场景，计算逻辑比手动加天数、转Python datetime对象计算更准确，且所有计算都在Polars内核完成，性能远高于Python侧循环处理，完全适配LazyFrame场景。

修正后的代码如下：

import polars as pl

# 省略df初始化步骤，直接写分组统计逻辑
result = df.group_by("cited_patent").agg(
    pl.col("cited_patent_issue_date").first(),
    # 统计3年内引用量：引用日期 <= 被引专利公开日+3年
    (pl.col("citing_patent_issue_date") <= pl.col("cited_patent_issue_date").first().dt.offset_by("3y"))
    .sum()
    .alias("3y_citation_count")
)

针对你提供的样例数据，运行后输出结果为：

shape: (2, 3)
┌──────────────┬─────────────────────────┬──────────────────┐
│ cited_patent ┆ cited_patent_issue_date ┆ 3y_citation_count│
│ str          ┆ date                    ┆ u32              │
╞══════════════╪═════════════════════════╪══════════════════╡
│ A            ┆ 2000-10-20              ┆ 1                │
│ B            ┆ 1999-08-04              ┆ 1                │
└──────────────┴─────────────────────────┴──────────────────┘

补充说明 #

• 如果你使用的Polars版本较低（<0.19），没有dt.offset_by()方法，可以替换为dt.add_years(3)实现完全相同的年偏移效果，写法为pl.col("cited_patent_issue_date").first().dt.add_years(3)
• 如果需要严格限定引用发生在专利公开之后，可以在判断条件中补充pl.col("citing_patent_issue_date") >= pl.col("cited_patent_issue_date").first()，两个判断条件用&连接即可，注意每个条件要单独加括号。

内容的提问来源于stack exchange，提问作者seasonedfish