本文介绍如何在 polars 中高效筛选距离指定日期最近的行，无需创建临时列，通过链式表达式直接完成过滤，兼顾可读性与性能。
本文介绍如何在 polars 中高效筛选距离指定日期最近的行，无需创建临时列，通过链式表达式直接完成过滤，兼顾可读性与性能。
在数据处理中，常需从时间序列 DataFrame 中提取“离目标日期最近”的记录（如查找某日最近的行情、日志或快照）。Polars 提供了高性能的表达式 API，完全支持在不显式添加辅助列的前提下完成此类筛选——关键在于合理利用 min() 聚合与布尔广播比较。
以下为完整示例（基于你提供的数据）：
import polars as pl
import datetime
# 构建示例数据
data = {
"date": ["2025-01-01", "2025-01-01", "2025-01-01", "2026-01-01"],
"value": [1, 2, 3, 4],
}
df = pl.DataFrame(data).with_columns(pl.col("date").str.to_date())
target_date = datetime.date(2024, 12, 31)
# ✅ 推荐写法：单行链式过滤（无临时列）
result = df.filter(
(pl.col("date") - target_date).abs().min() == (pl.col("date") - target_date).abs()
)
print(result)
输出：
shape: (3, 2) ┌────────────┬───────┐ │ date ┆ value │ │ --- ┆ --- │ │ date ┆ i64 │ ╞════════════╪═══════╡ │ 2025-01-01 ┆ 1 │ │ 2025-01-01 ┆ 2 │ │ 2025-01-01 ┆ 3 │ └────────────┴───────┘
原理说明：
-
(pl.col("date") - target_date).abs()计算每行日期与目标日期的绝对差值（返回Expr）； -
.min()对该差值表达式执行聚合，得到全局最小差值（标量）； - Polars 自动将标量
min()结果广播为与原 Series 等长的布尔掩码，从而完成精准过滤。
⚠️ 注意事项：
- 日期列必须为
Date或Datetime类型（如本例中已用.str.to_date()转换），否则减法操作会报错；- 若存在多个相同最小差值的日期（如本例中三行同为
2025-01-01），所有匹配行均被保留，符合“最近且全部返回”的业务预期；- 该写法零冗余列、无中间赋值，内存友好，适合嵌入复杂查询链（如
lazy().filter(...).select(...)）。
进阶提示：若需仅取一行（如严格取第一条最近记录），可改用 sort_by(...).head(1)；若需返回差值本身用于调试，再加 .with_columns(diff=...) 即可——灵活性由需求驱动，核心逻辑始终简洁如一。
