当has_header=False时，如何读取Polars DataFrame的列子集？

云上老周

2026-6-30

解决Polars读取CSV时指定列子集的报错问题

当你设置has_header=False时，Polars会自动生成以column_开头的临时列名，而你通过columns参数传入自定义列名时，Polars会尝试匹配这些临时列名，导致冲突报错。以下两种方法可以解决这个问题：

方法一：先读取全量列，再选择目标子集

先正常读取所有列（此时dtypes里的列名会被正确应用），之后用.select()方法筛选需要的列：

vcf = pl.read_csv(
    vcf_path,
    comment_prefix='#',
    has_header=False,
    separator='\t',
    dtypes=dtype_options,
).select(list_of_columns)

这种方法简单直接，适合数据量不大的场景，不需要额外处理列索引。

方法二：通过列索引指定读取范围，再重命名列

如果数据量较大，不想读取全量列，可以先确定目标列在原文件中的索引位置，用索引指定columns参数，再通过new_columns重命名为自定义列名：

# 假设list_of_columns对应原文件的第0、2、5列，替换为你的实际列索引
column_indices = [0, 2, 5]
# 只保留目标列的类型定义
target_dtypes = {col: dtype_options[col] for col in list_of_columns}

vcf = pl.read_csv(
    vcf_path,
    comment_prefix='#',
    has_header=False,
    separator='\t',
    columns=column_indices,
    dtypes=target_dtypes,
    new_columns=list_of_columns
)

这种方法避免读取全量数据，适合处理大文件。