如何更Pythonic地拼接含pl.Enum类型列的Polars DataFrame？

当两个结构一致的Polars DataFrame包含pl.Enum类型列，但该列的取值集合不同时，直接调用pl.concat()会触发SchemaError。除了手动转换为包含所有取值的Enum类型外，有两种更Pythonic的实现方式：

1. 自动合并Enum取值，生成统一类型后合并 #

先提取两个DataFrame中Enum列的所有取值，生成包含完整集合的新Enum类型，再转换两DataFrame的对应列后合并：

import polars as pl

# 示例数据
df1 = pl.DataFrame({"status": pl.Series(["active", "inactive"], dtype=pl.Enum(["active", "inactive"]))})
df2 = pl.DataFrame({"status": pl.Series(["pending", "active"], dtype=pl.Enum(["pending", "active"]))})

# 获取所有Enum取值并生成统一类型
all_statuses = df1["status"].get_categories() | df2["status"].get_categories()
unified_status_enum = pl.Enum(sorted(all_statuses))

# 转换列类型后合并
df_combined = pl.concat([
    df1.with_columns(pl.col("status").cast(unified_status_enum)),
    df2.with_columns(pl.col("status").cast(unified_status_enum))
])

这种方式的优势是显式控制Enum的取值顺序，适合需要严格规范类型的场景。

2. 利用pl.concat的schema参数直接指定统一类型 #

无需提前转换每个DataFrame，直接在合并时通过schema参数指定包含所有取值的Enum类型，一步完成合并：

import polars as pl

# 示例数据同前
df1 = pl.DataFrame({"status": pl.Series(["active", "inactive"], dtype=pl.Enum(["active", "inactive"]))})
df2 = pl.DataFrame({"status": pl.Series(["pending", "active"], dtype=pl.Enum(["pending", "active"]))})

# 生成统一Enum类型
all_statuses = df1["status"].get_categories() | df2["status"].get_categories()
unified_status_enum = pl.Enum(sorted(all_statuses))

# 直接合并并指定schema
df_combined = pl.concat([df1, df2], schema={"status": unified_status_enum})

这种方式更简洁，减少了中间步骤，符合Pythonic的"简洁优先"原则。

补充：临时转为字符串类型合并（适合快速验证） #

如果只是临时合并无需保留Enum类型，也可以先转为字符串再合并，后续按需转回Enum：

df_combined = pl.concat([
    df1.with_columns(pl.col("status").cast(str)),
    df2.with_columns(pl.col("status").cast(str))
]).with_columns(pl.col("status").cast(pl.Enum(sorted(df_combined["status"].unique()))))

内容的提问来源于stack exchange，提问作者Andi