本文介绍如何在 Polars 中高效筛选出日期列最接近目标日期的行，无需创建临时列，利用链式表达式和 min() 聚合实现一行逻辑完成最近邻过滤。
本文介绍如何在 polars 中高效筛选出日期列最接近目标日期的行，无需创建临时列，利用链式表达式和 `min()` 聚合实现一行逻辑完成最近邻过滤。
在 Polars 中，按“最近日期”筛选数据是一个常见需求（例如查找某事件发生前/后最近的观测记录）。传统做法是先计算绝对差值、新增辅助列、再过滤最小值——虽直观但冗余。更优雅的方式是避免中间列，直接在 filter() 中完成差值计算与全局最小值比对。
核心思路是：对目标日期与 date 列逐行计算时间差的绝对值，然后判断该差值是否等于所有差值中的最小值。由于 Polars 表达式支持广播比较，diff.min() == diff 会自动将标量最小值与每行差值进行等值判断，返回布尔掩码。
以下是推荐的两种写法（均不引入持久化列）：
✅ 推荐写法一（使用海象运算符，简洁清晰）：
import polars as pl
import datetime
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)
result = df.filter((m := (pl.col("date") - target_date).abs()).min() == m)
✅ 推荐写法二（显式变量，可读性更强，兼容旧版 Python）：
diff = (pl.col("date") - target_date).abs()
result = df.filter(diff.min() == diff)
? 注意事项：
-
pl.col("date") - target_date要求date列为Date或Datetime类型；若为字符串，需先用.str.to_date()转换（如上例所示）； - 时间差结果为
duration类型，.abs()可安全处理负持续时间； - 当存在多个相同最小差值的行时（如本例中三行同为
1d），所有匹配行均被保留，符合“最近且全部返回”的业务预期； - 该方法时间复杂度为 O(n)，无显式循环或 Python 层迭代，充分利用 Polars 的惰性计算与向量化能力。
? 进阶提示： 若需获取唯一最近行（如取第一条），可在末尾追加 .limit(1)；若需按距离升序排列后再取 Top-K，可用 .sort_by((pl.col("date") - target_date).abs()).limit(k)。
综上，通过组合 col().abs()、.min() 和布尔过滤，即可在单条表达式中完成语义明确、性能优异的“最近日期筛选”，是 Polars 函数式风格的典型实践。
