为何DuckDB导入Polars的Enum列会转换为VARCHAR列？

问题重现 #

用户使用Polars创建包含Enum列的DataFrame：

import polars as pl

values = ["a", "b", "c"]
df = pl.DataFrame(pl.Series("x", values, dtype=pl.Enum(values)))
print(df)

执行结果：

shape: (3, 1)
┌──────┐
│ x    │
│ ---  │
│ enum │
╞══════╡
│ a    │
│ b    │
│ c    │
└──────┘

随后用DuckDB查询该DataFrame：

import duckdb as ddb

ddb.sql("SELECT * FROM df").show()

查询结果显示原Enum列被转换为VARCHAR类型：

┌─────────┐
│    x    │
│ varchar │
├─────────┤
│ a       │
│ b       │
│ c       │
└─────────┘

用户最初怀疑是Parquet文件读取导致的问题，但直接查询Polars DataFrame也出现同样情况，因此提出疑问：为什么DuckDB不将Polars的Enum转换为DuckDB的Enum类型？

原因解释 #

核心原因是Polars与DuckDB的Enum类型在底层实现、类型映射逻辑上存在差异，且当前DuckDB的Python集成未针对Polars Enum做专门的转换适配：

• Polars的Enum基于字符串集合定义，内部可能用整数编码存储，但对外以字符串形式暴露；
• DuckDB的Enum类型需要显式定义枚举值集合，而DuckDB读取Polars DataFrame时，默认仅识别通用基础类型（如字符串、数值），不会主动解析Polars Enum的元数据来创建对应的DuckDB Enum类型；
• 无论直接读取Polars DataFrame还是读取Parquet文件，本质都是DuckDB没有内置Polars Enum到自身Enum的转换逻辑，因此会降级处理为VARCHAR类型。

如果需要在DuckDB中保留Enum类型，可以手动显式转换：先在DuckDB中定义对应Enum类型，再将Polars的Enum列转换为该类型，示例代码如下：

import duckdb as ddb
import polars as pl

values = ["a", "b", "c"]
df = pl.DataFrame(pl.Series("x", values, dtype=pl.Enum(values)))

# 在DuckDB中定义枚举类型
ddb.sql(f"CREATE TYPE my_enum AS ENUM({', '.join([f'{repr(v)}' for v in values])})")
# 转换列类型并查询
ddb.sql("SELECT CAST(x AS my_enum) FROM df").show()

内容的提问来源于stack exchange，提问作者bzm3r