Polars LazyFrame collect时signal列dtype从Int8变Int32问题求助

我有一个包含多列的pl.LazyFrame，其中一列名为signal，预期数据类型为pl.Int8，仅包含0和1。调用collect_schema()验证时，该列的dtype符合预期；但执行collect()转换为DataFrame后，该列的dtype变为pl.Int32。无法复现极简示例，附上实际LazyFrame的行为表现：

In [1]: lf.select(pl.col("signal")).collect_schema()
Out[1]: Schema([('signal', Int8)])

In [2]: lf.select(pl.col("signal")).collect()
Out[2]: 
shape: (7_556, 1)
┌────────┐
│ signal │
│ ---    │
│ i32    │
╞════════╡
│ 0      │
│ 0      │
│ 0      │
│ 0      │
│ 1      │
│ …      │
│ 1      │
│ 1      │
│ 1      │
│ 0      │
│ 0      │
└────────┘

In [3]: lf.select(pl.col("signal")).collect().collect_schema()
Out[3]: Schema([('signal', Int32)])

In [4]: lf.select(pl.col("signal")).collect().describe()
Out[4]: 
shape: (9, 2)
┌────────────┬──────────┐
│ statistic  ┆ signal   │
│ ---        ┆ ---      │
│ str        ┆ f64      │
╞════════════╪══════════╡
│ count      ┆ 7556.0   │
│ null_count ┆ 0.0      │
│ mean       ┆ 0.55585  │
│ std        ┆ 0.496904 │
│ min        ┆ 0.0      │
│ 25%        ┆ 0.0      │
│ 50%        ┆ 1.0      │
│ 75%        ┆ 1.0      │
│ max        ┆ 1.0      │
└────────────┴──────────┘

排查解决方向 #

• 检查LazyFrame构建流程：
  • 确认signal列的数据源：如果是从外部文件读取，检查读取参数是否存在类型推断偏差，比如CSV读取时未指定dtypes参数导致隐式转换。
  • 排查中间操作：是否对signal列执行过跨类型运算、聚合、自定义函数等操作，这类操作可能触发Polars自动提升类型，但collect_schema()未同步反映最终执行结果。
• 查看执行计划：
  • 调用lf.select(pl.col("signal")).explain()，通过执行计划定位是否有步骤导致类型被提升，执行计划会清晰展示每一步的类型变化逻辑。
• 强制类型转换验证：
  • 在collect前显式转换类型：lf.select(pl.col("signal").cast(pl.Int8)).collect()，如果转换后能保持Int8类型，说明原执行计划存在隐式类型提升；如果仍变为Int32，可能是Polars内部类型处理问题。
• 升级Polars版本：
  • 不同版本的Polars可能存在类型推断或执行计划的Bug，尝试升级到最新稳定版，确认问题是否消失。

是否属于Bug？ #

如果排查后确认无任何显式/隐式类型提升操作，且最新版本仍存在该问题，大概率是Polars的Bug。此时可收集执行计划、Polars版本、LazyFrame关键构建步骤，提交到Polars官方仓库反馈。

内容的提问来源于stack exchange，提问作者Andi