如何基于自定义顺序对Polars DataFrame列值进行排序？

你之前的StringCache方法没生效，核心原因是没有给Categorical类型指定自定义的类别顺序，Polars默认会按字符串的自然字典序处理分类，所以达不到你要的排序效果。下面提供两种可靠的解决方式：

方法1：使用带自定义顺序的Categorical类型 #

直接将目标列转换为指定了类别顺序的Categorical类型，再设置按物理顺序排序，最后对该列排序即可：

import polars as pl

df = pl.DataFrame( 
     { 
      "a": [1, 2, None], 
      "b": [6.0, 5.0, 4.0], 
      "c": ["a", "c", "b"], 
     } 
 )

sort_list = ['c', 'b', 'a']

# 显式指定categories确保排序顺序完全匹配需求，同时设置物理排序规则
df_sorted = df.with_columns(
    pl.col("c").cast(pl.Categorical(categories=sort_list)).cat.set_ordering("physical")
).sort("c")

print(df_sorted)

输出结果和你的预期完全一致：

shape: (3, 3)
┌──────┬─────┬─────┐
│ a    ┆ b   ┆ c   │
│ ---  ┆ --- ┆ --- │
│ i64  ┆ f64 ┆ cat │
╞══════╪═════╪═════╡
│ 2    ┆ 5.0 ┆ c   │
│ null ┆ 4.0 ┆ b   │
│ 1    ┆ 6.0 ┆ a   │
└──────┴─────┴─────┘

如果不需要保留Categorical类型，排序后可以再转回到字符串：

df_sorted = df_sorted.with_columns(pl.col("c").cast(pl.String))

方法2：生成临时排序键（无需修改原列类型） #

如果不想改变原列的数据类型，可以通过映射生成一个临时的排序键，按键排序后删除该临时列：

df_sorted = df.with_columns(
    # 用sort_list的索引作为排序依据
    sort_key=pl.col("c").map_elements(lambda x: sort_list.index(x), return_dtype=pl.Int32)
).sort("sort_key").drop("sort_key")

print(df_sorted)

这种方法的优势是不会修改原列的类型，适合需要保持原数据结构的场景。

你之前代码的问题分析 #

你之前的代码中，只是单独把sort_list转成了Categorical，但并没有将这个顺序关联到DataFrame的c列上；同时也没有设置set_ordering("physical")，所以Polars还是默认按字典序处理c列的排序，自然得不到预期结果。

内容的提问来源于stack exchange，提问作者buggsbunny4