Polars LazyFrame收集后未保留指定Schema列序，如何强制维持？

核心原因 #

问题出在Polars拼接时会按参与拼接的DataFrame列顺序对齐，若后续迭代创建的DataFrame列顺序和初始Schema的列顺序不一致（比如从键顺序混乱的字典生成时），最终结果的列顺序就会被打乱——尽管数据是正确匹配的。

两种可行方案 #

方案1：提前保存目标列顺序，最后统一调整

1. 首次初始化时，从指定Schema中提取目标列顺序（或直接从初始LazyFrame获取）
2. 完成所有拼接后，用select()强制按目标顺序输出

示例代码：

import polars as pl

# 你的指定Schema
target_schema = {"name": pl.Utf8, "age": pl.Int32, "city": pl.Utf8}
# 保存目标列顺序
target_cols = list(target_schema.keys())

# 首次迭代初始化LazyFrame
initial_data = [{"name": "Alice", "age": 30, "city": "NYC"}]
lf = pl.LazyFrame(initial_data, schema=target_schema)

# 后续循环处理
additional_data = [
    {"age": 25, "name": "Bob", "city": "LA"},  # 字典键顺序与Schema不一致
    {"city": "Chicago", "name": "Charlie", "age": 35}
]

for data in additional_data:
    # 创建新DataFrame（此时列顺序可能和Schema不同）
    new_df = pl.DataFrame(data, schema=target_schema)
    # 拼接后转回LazyFrame
    lf = pl.concat([lf.collect(), new_df]).lazy()

# 最后按目标列顺序提取结果
final_df = lf.select(target_cols).collect()
print(final_df.columns)  # 输出: ['name', 'age', 'city']

方案2：每次创建新DataFrame时就强制列顺序

在每次生成新的DataFrame后，立刻用select()调整为目标列顺序，再参与拼接，避免中间过程列顺序混乱：

import polars as pl

target_schema = {"name": pl.Utf8, "age": pl.Int32, "city": pl.Utf8}
target_cols = list(target_schema.keys())

initial_data = [{"name": "Alice", "age": 30, "city": "NYC"}]
lf = pl.LazyFrame(initial_data, schema=target_schema)

additional_data = [
    {"age": 25, "name": "Bob", "city": "LA"},
    {"city": "Chicago", "name": "Charlie", "age": 35}
]

for data in additional_data:
    # 创建新DataFrame后直接调整列顺序
    new_df = pl.DataFrame(data, schema=target_schema).select(target_cols)
    # 拼接
    lf = pl.concat([lf.collect(), new_df]).lazy()

# 直接collect即可，列顺序已锁定
final_df = lf.collect()
print(final_df.columns)  # 输出: ['name', 'age', 'city']

额外提示 #

如果你的Python版本低于3.7，字典是无序的，更要注意这个问题——即使你按Schema顺序写字典，生成的DataFrame列顺序也可能随机。用上述两种方案可以彻底规避这个问题。

内容的提问来源于stack exchange，提问作者shmambino