本文介绍如何在 Polars 中无需创建临时列，直接筛选出日期列中距离目标日期最近的所有行，利用链式表达式与 min() 聚合实现简洁高效的单行过滤。
本文介绍如何在 polars 中无需创建临时列，直接筛选出日期列中距离目标日期最近的所有行，利用链式表达式与 `min()` 聚合实现简洁高效的单行过滤。
在 Polars 中，当需要根据「距离指定日期最近」这一条件筛选 DataFrame 行时，核心思路是：计算每行日期与目标日期的绝对差值，再保留差值等于全局最小值的所有行。虽然常见做法是先用 with_columns 添加临时 diff 列再过滤，但 Polars 支持更紧凑、无副作用的纯表达式写法。
推荐方案如下（两种等效形式）：
✅ 推荐写法（使用海象运算符 :=，简洁且仅一次计算）：
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)
print(result)✅ 兼容性更强写法（显式定义变量，适用于所有 Python 版本）：
diff = (pl.col("date") - target_date).abs()
result = df.filter(diff.min() == diff)⚠️ 关键注意事项：
-
diff.min()是一个标量聚合结果（Expr），而diff是长度为n_rows的列级表达式；Polars 会自动广播比较操作，语义等价于「对每一行判断其差值是否等于全局最小差值」； - 日期减法自动返回
duration类型，.abs()可安全作用于duration，无需手动转换为天数； - 若存在多个日期并列“最近”（如本例中三个
2025-01-01），该方法会全部保留，符合“最近”的集合语义； - 不依赖
with_columns，避免中间列污染原始逻辑，内存与可读性更优。
? 进阶提示： 若需仅取单条最近记录（例如取第一条），可在末尾追加 .limit(1)；若需按差值升序+其他字段排序后取首行，可用 .sort(by=[diff, "value"]).limit(1)。
综上，通过复用同一 Expr 并结合聚合与逐行比较，Polars 实现了零临时列、高可读性、高性能的最近日期筛选——这是声明式数据处理范式的典型优势。
