使用Polars LazyFrame调用is_in方法触发TypeError问题

错误原因 #

你遇到的TypeError: 'LazyFrame' object is not subscriptable是因为LazyFrame不支持通过下标（如reference["foo_bar"]）直接提取列——这种语法仅适用于Eager模式的DataFrame。LazyFrame需要保持延迟执行的上下文，必须用select()方法来指定列操作。

解决方案 #

方案1：全程纯Lazy模式（推荐） #

直接将参考表的列选择操作作为子查询传给is_in，Polars会自动处理延迟执行逻辑，全程无需触发Eager操作：

import numpy as np
import polars as pl

num_rows = 10000
ids = np.arange(num_rows)
foo_bar = np.random.randint(1, 101, num_rows)

current = pl.LazyFrame(
    {
        "id": ids,
        "foo_bar": foo_bar,
    }
)
reference = pl.LazyFrame(
    {
        "id": ids,
        "foo_bar": np.random.randint(1, 101, num_rows),
    }
)

# 全程Lazy的is_in操作
result = current.with_columns(
    pl.col("foo_bar").is_in(reference.select("foo_bar")).name.suffix("_avail")
)

# 按需触发执行（如查看结果）
print(result.collect())

方案2：先收集参考数据（适合小数据集） #

如果参考表规模较小，可以先将foo_bar列收集为Eager模式的Series，再传给is_in——主表current依然保持Lazy状态，仅参考数据提前计算：

# 提前收集参考列（仅这一步为Eager操作）
reference_foo_bar = reference.select("foo_bar").collect().to_series()

# 主表操作全程Lazy
result = current.with_columns(
    pl.col("foo_bar").is_in(reference_foo_bar).name.suffix("_avail")
)

result.collect()

为什么Eager模式可行？ #

Eager模式的DataFrame在创建时就已加载数据到内存，支持df["col"]的下标语法直接提取列；而LazyFrame仅记录操作逻辑，直到调用collect()才执行计算，因此必须用select()来定义列的提取逻辑，维持延迟执行的上下文。

内容的提问来源于stack exchange，提问作者SysRIP