如何用Polars选择器cs批量将非字符串列转为字符串？

需求场景 #

有一个包含字符串和非字符串列的Polars.DataFrame，希望利用Polars的并行处理能力，通过选择器（polars.selectors）批量将所有非字符串列转换为字符串类型，替代原有的循环处理逻辑。

原循环实现代码：

import polars as pl
import polars.selectors as cs
data_frame = pl.DataFrame({'a': ['a', 'b', 'c'], 'b': range(3), 'c': [.1, .2, .3]})

non_string_columns = [col for col in data_frame.columns if data_frame[col].dtype != pl.String]
for col in non_string_columns:
    data_frame = data_frame.with_columns(pl.col(col).cast(pl.String))

正确的选择器实现方式 #

直接对取反后的字符串选择器选中的列执行cast操作，无需转换为表达式：

import polars as pl
import polars.selectors as cs

data_frame = pl.DataFrame({'a': ['a', 'b', 'c'], 'b': range(3), 'c': [.1, .2, .3]})

# 批量转换所有非字符串列为字符串
data_frame = data_frame.with_columns(~cs.string().cast(pl.String))

错误原因解析 #

你之前的写法~cs.string().as_expr().cast(pl.String)报错InvalidOperationError: dtype String not supported in 'not' operation，核心原因是：

• as_expr()将选择器对象转换为了表达式，此时~是对表达式执行逻辑非操作，而非对选择器取反。
• Polars无法对字符串类型的表达式执行逻辑非运算，因此触发错误。
• 选择器的取反操作~必须直接作用在选择器对象上，这样才能正确选中所有非字符串列。

优势说明 #

这种写法利用Polars的并行处理能力，一次性对所有目标列执行转换，比循环逐个处理更高效，符合Polars的向量化处理特性。

内容的提问来源于stack exchange，提问作者Patrik_P