我有以下数据表，我想按大于“2019-01-01”的日期对其进行过滤。问题是日期是字符串。
dt_dates = dt.Frame({"days_date": ['2019-01-01','2019-01-02','2019-01-03']})
这是我最好的尝试。
dt_dates[f.days_date > datetime.strptime(f.days_date, "2019-01-01")]
这将返回错误
TypeError: strptime() 参数 1 必须是 str，而不是 Expr
在python的数据表中过滤日期的最佳方法是什么？
您的日期时间语法不正确，用于将字符串转换为日期时间。
您正在寻找的是：
dt_dates[f.days_date > datetime.strptime(f.days_date, "%Y-%m-%d")]
strptime 的第二个论点是日期格式。
但是，让我们退后一步，因为这不是正确的方法。
首先，我们应该将 Frame 中的所有日期转换为日期时间。老实说，我从未使用过数据表，但语法看起来与 panda 的 Dataframe 极为相似。
在数据框中，我们可以执行以下操作：
df_date = df_date['days_date'].apply(lambda x: datetime.strptime(x, '%Y-%m'%d))
这将遍历列为“dates_date”的每一行，并将每个字符串转换为日期时间。
从那里，我们可以使用过滤器来获取相关行：
df_date = df_date[df_date['days_date'] > datetime.strptime("2019-01-01", "%Y-%m-%d")]
数据表1.0.0 版引入了对日期和时间数据类型的原生支持。注意这两种初始化数据的方式的区别：
dt_dates = dt.Frame({"days_date": ['2019-01-01','2019-01-02','2019-01-03']})
dt_dates.stypes
> (stype.str32,)
和
dt_dates = dt.Frame({"days_date": ['2019-01-01','2019-01-02','2019-01-03']}, stype="date32")
dt_dates.stypes
> (stype.date32,)
后一帧包含类型为datatable.Type.date32的days_date列，表示日历日期。然后可以按日期过滤如下：
split_date = datetime.datetime.strptime("2019-01-01", "%Y-%m-%d")
dt_split_date = dt.time.ymd(split_date.year, split_date.month, split_date.day)
dt_dates[dt.f.days_date > dt_split_date, :]