Parsování a manipulace s daty

Data Transformation with Polars

Liam Brannigan

Data Scientist & Polars Contributor

Časové řady

Časová řada tržních cen

Časové řady

Časová řada tržeb

Časové řady

Časová řada přehrání

Časové řady

Časová řada počtů

Dataset cen elektřiny

shape: (24, 3)
| time             | price | solar |
| ---              | ---   | ---   |
| str              | f64   | f64   |
|------------------|-------|-------|
| 05/07/2025 00:00 | 34.2  | 0.0   |
| ...              | ...   | ...   |
| 05/07/2025 12:00 | 0.0   | 462.0 |

time - hodinové hodnoty
price - £ za megawatthodinu
solar - W na metr čtvereční
solar > 400 = teplý letní den

Vztah ceny a solárního záření

Časová řada cen elektřiny

Vztah ceny a solárního záření

Časová řada cen elektřiny

Datové typy pro datum a čas v Polars

Date - kalendářní datum - 2000-01-01
Datetime - datum a čas - 2000-01-01 12:00:00
Time - čas v rámci dne - 12:00:00
Duration - časový úsek - 3 hours

Automatické parsování datumu

pl.read_csv(
  "electricity_prices",

)

Automatické parsování datumu

pl.read_csv(
  "electricity_prices",
  try_parse_dates=True
)

formát: YYYY-MM-DD
např. 2025-07-05
např. 2025-07-05 12:00:00

Naše data vyžadují ruční parsování

| time             | price | solar |
| ---              | ---   | ---   |
| str              | f64   | f64   |
|------------------|-------|-------|
| 05/07/2025 00:00 | 34.2  | 0.0   |
| 05/07/2025 01:00 | 28.7  | 0.0   |

formát: DD/MM/YYYY HH:MM
Polars ho nerozpozná automaticky

Parsování pomocí strptime

prices.with_columns(
    pl.col("time").str.strptime(                             )
)

Parsování pomocí strptime

prices.with_columns(
    pl.col("time").str.strptime(pl.Datetime,                 )
)

Parsování pomocí strptime

prices.with_columns(
    pl.col("time").str.strptime(pl.Datetime, "%d/%m/%Y      ")
)

Parsování pomocí strptime

prices.with_columns(
    pl.col("time").str.strptime(pl.Datetime, "%d/%m/%Y %H:%M")
)

Parsování pomocí strptime

prices.with_columns(
    pl.col("time").str.strptime(pl.Datetime, "%d/%m/%Y %H:%M")
)

| time                | price | solar |
| ---                 | ---   | ---   |
| datetime[us]        | f64   | f64   |
|---------------------|-------|-------|
| 2025-07-05 00:00:00 | 34.2  | 0.0   |
| 2025-07-05 01:00:00 | 28.7  | 0.0   |
| 2025-07-05 02:00:00 | 27.5  | 0.0   |

Extrakce složek data a času

Tabulka dat časové řady

Extrakce složek data a času

Tabulka dat časové řady se zvýrazněným datem v jednom řádku

Extrakce složek data a času

Tabulka dat časové řady se zvýrazněným časem v jednom řádku

Extrakce složek data a času

Tabulka dat časové řady se zvýrazněnou hodinou v jednom řádku

Extrakce data

prices.with_columns(
    pl.col("time").dt.date()
)

Extrakce data

prices.with_columns(
    pl.col("time").dt.date().alias("date")
)

Extrakce data

prices.with_columns(
    pl.col("time").dt.date().alias("date")
)

| time                | price | solar | date       |
| ---                 | ---   | ---   | ---        |
| datetime[µs]        | f64   | f64   | date       |
|---------------------|-------|-------|------------|
| 2025-07-05 00:00:00 | 34.2  | 0.0   | 2025-07-05 |
| 2025-07-05 01:00:00 | 28.7  | 0.0   | 2025-07-05 |
| 2025-07-05 02:00:00 | 27.5  | 0.0   | 2025-07-05 |

Extrakce času

prices.with_columns(
    pl.col("time").dt.time().alias("time_of_day")
)

Extrakce času

prices.with_columns(
    pl.col("time").dt.time().alias("time_of_day")
)

| time                | price | solar | time_of_day |
| ---                 | ---   | ---   | ---         |
| datetime[us]        | f64   | f64   | time        |
|---------------------|-------|-------|-------------|
| 2025-07-05 00:00:00 | 34.2  | 0.0   | 00:00:00    |
| 2025-07-05 01:00:00 | 28.7  | 0.0   | 01:00:00    |
| 2025-07-05 02:00:00 | 27.5  | 0.0   | 02:00:00    |

Extrakce hodiny

prices.with_columns(
    pl.col("time").dt.hour().alias("hour")
)

Extrakce hodiny

prices.with_columns(
    pl.col("time").dt.hour().alias("hour")
)

| time                | price | solar | hour |
| ---                 | ---   | ---   | ---  |
| datetime[µs]        | f64   | f64   | i8   |
|---------------------|-------|-------|------|
| 2025-07-05 00:00:00 | 34.2  | 0.0   | 0    |
| 2025-07-05 01:00:00 | 28.7  | 0.0   | 1    |
| 2025-07-05 12:00:00 | 0.0   | 462.0 | 12   |

Další složky data a času

.dt.year() - extrahuje rok
.dt.month() - extrahuje měsíc (1–12)
.dt.day() - extrahuje den v měsíci
.dt.minute() - extrahuje minutu
...

¹ https://docs.pola.rs/api/python/dev/reference/expressions/temporal.html

Posun hodnot data a času

.dt.offset_by() - posun v čase
"1h" - o 1 hodinu dopředu
"-2d" - o 2 dny dozadu

Posun hodnot data a času

.dt.offset_by() - posun v čase
"1h" - o 1 hodinu dopředu
"-2d" - o 2 dny dozadu

¹ https://docs.pola.rs/api/python/stable/reference/expressions/api/polars.Expr.dt.offset_by.html

Přidání konce časového okna

prices.with_columns(
    pl.col("time").dt.offset_by("1h")
)

Přidání konce časového okna

prices.with_columns(
    pl.col("time").dt.offset_by("1h").alias("time_end")
)

Přidání konce časového okna

prices.with_columns(
    pl.col("time").dt.offset_by("1h").alias("time_end")
)

| time                | price | solar | time_end            |
| ---                 | ---   | ---   | ---                 |
| datetime[µs]        | f64   | f64   | datetime[µs]        |
|---------------------|-------|-------|---------------------|
| 2025-07-05 00:00:00 | 34.2  | 0.0   | 2025-07-05 01:00:00 |
| 2025-07-05 01:00:00 | 28.7  | 0.0   | 2025-07-05 02:00:00 |
| 2025-07-05 02:00:00 | 27.5  | 0.0   | 2025-07-05 03:00:00 |

Pojďme cvičit!

Data Transformation with Polars