如何为从Arrow Table创建的Polars DataFrame添加类型注解？

1. 给变量添加明确的类型注解 #

直接为df指定pl.DataFrame类型，让类型检查器明确其具体类型：

import pyarrow as pa
import polars as pl

table = pa.table(
    {
        "a": [1, 2, 3],
        "b": [4, 5, 6],
    }
)

df: pl.DataFrame = pl.from_arrow(table)
df.select(pl.col("a"))  # 无类型警告

2. 使用类型断言做运行时验证+类型推断 #

通过assert结合isinstance，既可以在运行时确保返回的是DataFrame，也能让类型检查器识别出具体类型：

import pyarrow as pa
import polars as pl

table = pa.table(
    {
        "a": [1, 2, 3],
        "b": [4, 5, 6],
    }
)

df = pl.from_arrow(table)
assert isinstance(df, pl.DataFrame), "from_arrow返回类型不符合预期"
df.select(pl.col("a"))  # 类型检查器会判定df为DataFrame

3. 直接使用pl.DataFrame构造器 #

你提到的pl.DataFrame(table)其实是合理的正式方案，这种方式的类型标注明确，不会产生歧义：

import pyarrow as pa
import polars as pl

table = pa.table(
    {
        "a": [1, 2, 3],
        "b": [4, 5, 6],
    }
)

df = pl.DataFrame(table)
df.select(pl.col("a"))  # 类型检查器直接识别为DataFrame

额外说明 #

pl.from_arrow()的返回类型标注为DataFrame | Series，是因为它支持处理单个pyarrow列（此时返回Series），但传入多列的pyarrow Table时必然返回DataFrame。上述三种方案都能解决类型检查警告，其中类型注解是最简洁的选择，类型断言则额外提供了运行时的类型保障。

内容的提问来源于stack exchange，提问作者Taeke