如何在Polars中将年、月、日多列合并为单个格式化日期列

你原来的Pandas按行apply拼接日期的逻辑，在Polars里可以用原生矢量化日期函数实现，完全不需要低效的逐行遍历，性能远高于自定义lambda实现：

基础实现（和原代码效果完全一致） #

import polars as pl

df = df.with_columns(
    EVENT_DATE = pl.date("iyear", "imonth", "iday").dt.strftime("%Y-%m-%d")
)

可选优化 #

• 如果你不需要字符串格式，直接存日期类型后续计算更方便，可以去掉.dt.strftime部分：

  df = df.with_columns(
      EVENT_DATE = pl.date("iyear", "imonth", "iday")
  )
  

• 如果数据里存在无效的年月日组合（比如月份为0、日期超出当月最大值），可以加strict=False参数把无效值自动转为null，避免代码运行中断：

  df = df.with_columns(
      EVENT_DATE = pl.date("iyear", "imonth", "iday", strict=False).dt.strftime("%Y-%m-%d")
  )
  

内容的提问来源于stack exchange，提问作者seb2704