TensorFlow文本分类模型无法基于Polars DataFrame预测求助

问题背景 #

训练了一个用于文本分类的TensorFlow模型，基于Pandas DataFrame可正常完成预测，但使用Polars DataFrame调用predict时触发类型错误。

相关代码 #

导入依赖与加载模型 #

import pandas as pd
import polars as pl
import joblib
from tensorflow.keras.models import load_model

loaded_model = load_model('model.keras')
load_Le = joblib.load('label_encoder.joblib')

Pandas DataFrame预测（正常运行） #

text = "some example text"
df = pd.DataFrame({"Coment":[text]})
predict = loaded_model.predict(df["Coment"])

Polars DataFrame预测（报错） #

text = "some example text"
df = pl.DataFrame({"Coment":[text]})
predict = loaded_model.predict(df["Coment"])

模型保存前的推理模型构建代码 #

inputs = keras.Input(shape=(1,), dtype="string")
processed_inputs = text_vectorization(inputs)
outputs = model(processed_inputs)
inference_model = keras.Model(inputs, outputs)
inference_model.save('model.keras')

报错信息 #

TypeError: cannot convert the argument type_value: String to a TensorFlow Dtype.

解决建议 #

方法1：将Polars Series转换为NumPy数组或Python列表 #

TensorFlow对Polars Series的类型适配不完善，显式转换为NumPy数组或列表即可兼容：

text = "some example text"
df = pl.DataFrame({"Coment":[text]})
# 转换为NumPy数组
predict = loaded_model.predict(df["Coment"].to_numpy())
# 或转换为Python列表
predict = loaded_model.predict(df["Coment"].to_list())

方法2：将Polars DataFrame转换为Pandas DataFrame #

借助Pandas与TensorFlow的良好兼容性，先转成Pandas DataFrame再取列：

text = "some example text"
df = pl.DataFrame({"Coment":[text]})
predict = loaded_model.predict(df.to_pandas()["Coment"])

原因说明 #

TensorFlow的输入处理逻辑对Pandas Series有专门的类型适配逻辑，但目前尚未完全支持Polars的原生数据类型，因此需要显式转换数据格式来规避类型识别错误。

内容的提问来源于stack exchange，提问作者Simon