Pandas转Polars失败：如何实现稳健的DataFrame转换？

报错原因 #

TypeError: 'float' object cannot be converted to 'PyString' 通常是因为Pandas DataFrame中存在混合类型列——比如某一列同时包含字符串和浮点值（DBnomics返回的元数据列容易出现这种情况），Polars自动推断类型时无法统一，从而触发错误。

稳健转换方案 #

• 提前统一列类型
  转换前检查并修正Pandas列的类型，针对混合类型列强制转为统一类型（比如字符串）：

  import pandas as pd
  from dbnomics import fetch_series
  import polars as pl
  
  df = fetch_series("WB/WDI/A-NY.GDP.MKTP.CD-RUS")
  
  # 遍历处理混合类型的object列
  for col in df.columns:
      if df[col].dtype == object:
          # 检查列内是否存在多种数据类型
          type_counts = df[col].apply(type).value_counts()
          if len(type_counts) > 1:
              df[col] = df[col].astype(str)
  
  pl_df = pl.from_pandas(df)
  

• 强制指定Schema
  在from_pandas时手动定义列类型，绕过自动推断的问题：

  import pandas as pd
  from dbnomics import fetch_series
  import polars as pl
  
  df = fetch_series("WB/WDI/A-NY.GDP.MKTP.CD-RUS")
  
  # 根据实际数据定义schema，确保类型统一
  schema = {
      "series_code": pl.Utf8,
      "period": pl.Date,
      "value": pl.Float64,
      "country": pl.Utf8
  }
  
  pl_df = pl.from_pandas(df, schema=schema)
  

• 跳过Pandas直接读取
  如果DBnomics支持直接导出CSV，可直接用Polars读取，避免中间转换：

  import polars as pl
  
  # 替换为DBnomics对应的CSV接口链接
  pl_df = pl.read_csv("https://api.db.nomics.world/v21/series/WB/WDI/A-NY.GDP.MKTP.CD-RUS?format=csv")
  

• 清理异常值/空值
  针对空值或类型异常的数据提前处理：

  # 字符串列：将空值转为空字符串
  df = df.fillna("")
  # 数值列：强制转换，无法转换的设为NaN
  df["value"] = pd.to_numeric(df["value"], errors="coerce")
  
  pl_df = pl.from_pandas(df)
  

内容的提问来源于stack exchange，提问作者jack strauss