Polars中pivot/unpivot如何保留原始struct数据类型（无需重解析）

当你在Polars中使用自定义plYearMonth struct类型的DataFrame执行pivot时，列名会被强制转换为字符串形式（struct会被序列化为类似{year:2023, month:12}的字符串）；后续unpivot操作后，对应列自然会变成字符串类型。目前没有完全“无需解析”的直接恢复方法，但不需要手动创建字符串与struct的映射字典，可以利用Polars自身的struct解析能力快速转换：

方法1：使用pl.Struct.from_str()直接解析 #

如果plYearMonth是标准的struct类型（比如包含year和month字段），可以直接调用pl.Struct.from_str()将字符串解析回原struct类型，无需手动映射：

import polars as pl

# 假设unpivot后的DataFrame名为df，date列是字符串类型
df = df.with_columns(
    pl.col("date").map_elements(
        lambda s: pl.Struct.from_str(s, dtype=pl.Struct([("year", pl.Int32), ("month", pl.Int32)])),
        return_dtype=pl.Struct([("year", pl.Int32), ("month", pl.Int32)])
    ).alias("date")
)

方法2：正则提取字段构造struct #

如果追求更高性能（避免map_elements的逐行处理），可以用正则表达式提取字符串中的字段值，再重新构造struct：

df = df.with_columns(
    pl.struct(
        year=pl.col("date").str.extract(r'year:(\d+)', 1).cast(pl.Int32),
        month=pl.col("date").str.extract(r'month:(\d+)', 1).cast(pl.Int32)
    ).alias("date")
)

特殊情况：自定义逻辑类型 #

如果plYearMonth是你自定义的逻辑类型（而非普通struct），你需要根据该类型的序列化规则，编写对应的解析函数，但依然不需要手动维护映射字典——只需根据字符串格式反推出原类型的字段值即可。

内容的提问来源于stack exchange，提问作者bzm3r