Polars DataFrame中Object类型列转Float类型报错，如何解决？

Polars的Object类型存储的是任意Python对象，无法直接通过cast方法转为数值类型，需要根据列内元素的实际类型选择对应方法处理：

针对不同场景的处理方法 #

1. 列内是字符串形式的数值 #

使用str.to_float()方法直接解析字符串为浮点型：

import polars as pl

data = {"1": ["1.0", "2.0", "3.0", "4.0"], "2": [10, 20, 30, 40]}
df = pl.DataFrame(data, schema={'1':pl.Object, '2':pl.Object})

# 处理字符串型Object列
df = df.with_columns(pl.col('1').str.to_float(strict=False))

2. 列内是整数/数值对象 #

先将Object转为对应的整数类型，再转为浮点型：

# 处理整数型Object列
df = df.with_columns(pl.col('2').cast(pl.Int64, strict=False).cast(pl.Float64, strict=False))

3. 通用处理方法（兼容两种场景） #

使用map_elements将每个元素直接转为float，适合不确定列内元素类型的情况：

df = df.with_columns(
    pl.col(['1', '2']).map_elements(lambda x: float(x), return_dtype=pl.Float64, strict=False)
)

4. 新版本简化方法（Polars 0.19.0+） #

如果你的Polars版本≥0.19.0，可以使用parse函数自动解析Object内容为指定类型：

df = df.with_columns(pl.col(['1', '2']).parse(pl.Float64, strict=False))

原代码报错原因 #

Polars的cast方法仅支持原生类型间的转换，Object类型是Python对象的容器，Polars无法直接推断转换逻辑，因此必须先将Object内的元素转为Polars可识别的类型后再进行转换。

内容的提问来源于stack exchange，提问作者tamtam_