Polars中使用schema_overrides时自动解析字符串格式日期为Datetime类型的方法问询

我理解你的困扰——当用Polars的from_dicts或DataFrame构造器时，想通过schema_overrides强制日期列类型为pl.Datetime，但输入是字符串格式的日期（比如2020-02-11）时总是报错，还要手动先去掉日期列的schema配置、之后再转类型，确实有点麻烦。

先直接说结论：目前Polars还没有支持在schema_overrides或schema参数中自动将字符串日期解析为pl.Datetime的功能（类似2024年初新增的自动将整数时间戳转为Datetime的特性）。这是因为schema_overrides的设计是强制输入数据与目标类型严格一致，而不是自动做格式转换。

不过有几个更顺畅的替代方案，不用手动逐个列处理：

方案1：先处理非日期列的schema，再批量转换日期列 #

先把非日期列的类型用schema_overrides配置好，之后用str.to_datetime()批量转换所有需要的日期列——如果你的日期格式是标准ISO格式（比如YYYY-MM-DD），Polars能自动识别：

import polars as pl

# 只配置非日期列的类型覆盖
schema_override = {
    "some_int_override": pl.Int8,
}
dict_data = [
    {
        "some_int_override": 1,
        "some_date_override": "2020-02-11",
        "some_date": "2025-02-11",
    }
]

# 先应用schema override到非日期列
df = pl.DataFrame(dict_data, schema_overrides=schema_override)
# 批量转换日期列，支持同时指定多个列
df = df.with_columns(
    pl.col("some_date_override", "some_date").str.to_datetime()
)
print(df)

方案2：自动检测所有可解析的字符串日期列 #

如果你不确定哪些列是日期字符串，或者想一次性处理所有符合格式的列，可以用pl.col(pl.Utf8)选中所有字符串列，配合try_parse=True参数——Polars会自动跳过无法解析为Datetime的字符串列，不会报错：

df = pl.DataFrame(dict_data, schema_overrides=schema_override)
df = df.with_columns(
    pl.col(pl.Utf8).str.to_datetime(try_parse=True).keep_name()
)
print(df)

为什么直接用schema_overrides指定pl.Datetime会报错？ #

因为schema_overrides的作用是强制列的类型一致性：它要求输入数据已经是目标类型（比如pl.Datetime对象），而不是自动将其他类型转换为目标类型。所以当你传入字符串时，Polars会抛出类型不匹配的错误。

关于类似整数时间戳的自动解析功能 #

你提到的2024年初Polars新增的“自动将整数时间戳转为Datetime”的特性，是针对Polars能直接识别的时间戳格式（比如毫秒/秒级整数）做的特殊优化，但目前还没有扩展到字符串日期的自动解析——这个需求确实合理，你可以考虑在Polars的GitHub仓库提Feature Request，说不定后续版本会支持。

最后，针对你的MRE，用上面的方案调整后就能正常运行，不用再手动删除schema里的日期键啦。

内容来源于stack exchange