Rust中Polars转换为Categorical类型的推荐实现方式

用户提供的Rust函数如下：

pub fn test_dataframe() -> PolarsResult<DataFrame> {
    let df = df! {
        "lo" => [...],
        "hi" => [...],
        "register" => [...],
    }?;
    df.lazy().select([
        col("lo")
            .map_many(
                decode_to_str,
                &[col("hi")],
                GetOutput::from_type(DataType::Utf8),
            )
            .cast(DataType::Categorical(None)) // <-- 此处实例化Categorical
            .alias("categorical_1"),
        col("register")
            .map(
                register_names_from_register_ids,
                GetOutput::from_type(DataType::Utf8),
            )
            .cast(DataType::Categorical(None)) // <-- 此处同样实例化Categorical
            .alias("categorical_2"),
    ]).collect()
}

在调用.cast()转换为Categorical类型时，有三种实例化DataType::Categorical的方式：

• 方式1：使用DataType::Categorical(None)，官方文档示例采用此方式；
• 方式2：使用DataType::Categorical(Some(Arc::new(RevMapping::default())))；
• 方式3：预先实例化一个RevMapping，再克隆复用给不同列，示例代码如下：

  // ...
  let revmap = Arc::new(RevMapping::default());
  // ...
      .cast(DataType::Categorical(Some(revmap.clone())))
  // ...
      .cast(DataType::Categorical(Some(revmap.clone())))
  // ...
  

用户疑问：官方文档采用Categorical(None)的方式，但用户认为复用不同列的映射缓存没有弊端，不确定是否有误，且官方未给出明确推荐。另外用户尝试用df.estimated_size()对比三种方式的DataFrame预估大小，未发现差异。

三种方式的适用场景和推荐优先级如下：

1. 方式1：DataType::Categorical(None)
   这是最推荐的通用方案。当传入None时，Polars会自动为目标列创建独立的RevMapping，无需手动管理映射对象。这种方式简洁、低维护成本，适合绝大多数场景——尤其是当各列的分类值没有关联、不需要共享映射的情况。官方文档优先采用它，正是因为它的通用性和易用性。

2. 方式3：复用同一个RevMapping实例
   仅在多列共享完全相同的分类值集合时推荐使用，比如两列都是表示"订单状态"（已支付/未支付/已取消）、"用户性别"（男/女/未知）这类有固定枚举值的列。复用映射可以避免内存中重复存储相同的分类值，在数据量较大时能体现出内存优势。你用estimated_size()没测出差异，可能是因为测试数据量小，或者Polars的预估逻辑未细化到共享映射的内存开销，但大数量级下这种优势会显现。

   注意：如果列之间的分类值无重叠或重叠极少，复用映射反而会导致映射中积累大量无关值，反而浪费内存，这种场景下不要用。

3. 方式2：手动创建新的RevMapping传入
   这种方式几乎没有实用价值。手动实例化空的RevMapping和传入None的效果本质一致——Polars后续都会基于列数据填充映射。它只是多了一层不必要的手动操作，既没有带来额外收益，还增加了代码复杂度，完全不推荐使用。

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