如何重新推断已有Polars DataFrame的数据类型？

我有一个CSV文件，部分行包含错误值（用字符串替代整数）。为了成功读取文件，必须设置infer_schema_length = 0，否则读取会失败，但这会把所有列都读成字符串类型。过滤掉错误行后，我想重新推断整个DataFrame的数据类型——由于列数很多，不想逐个手动设置类型，也无法编辑原CSV文件。

当前代码：

import polars as pl

ids_df = pl.read_csv(dataset_path, infer_schema_length=0)
filtered_df = ids_df.filter(~(pl.col("Label") == "Label"))
print(filtered_df.dtypes)
# 输出全是Utf8类型

解决方案 #

方法1：自动转换所有数值列 #

用pl.all()选中所有列，通过str.to_numeric()自动推断整数/浮点数类型，同时跳过无法转换的值：

# 自动转换所有列到合适的数值类型
converted_df = filtered_df.with_columns(
    pl.all().cast(pl.Utf8).str.to_numeric(downcast_integer=True, strict=False)
)

print(converted_df.dtypes)
# 现在会显示正确的数值类型（如Int64、Float64），无法转换的列仍保留Utf8

• downcast_integer=True：能转成整数的列会自动用更紧凑的整数类型（比如Int32/Int64）
• strict=False：遇到无法转换的值时不会报错，会转为null（需要严格校验的话设为True）

方法2：内存中转存后重新读取 #

把过滤后的数据转成内存中的CSV字符串，再让Polars重新读取并推断Schema：

# 把过滤后的数据写入内存CSV，再重新读取
converted_df = pl.read_csv(
    filtered_df.write_csv(),
    infer_schema_length=None  # 用全部数据推断Schema，默认是1000，设为None用全量数据
)

print(converted_df.dtypes)

这种方式和直接读取正常CSV的效果一致，Polars会自动根据所有行推断每列的最优类型。

方法3：针对性转换（如果部分列明确是字符串） #

如果知道某些列肯定是字符串类型，可以只转换其他列：

# 比如除了"Label"列是字符串，其他都转数值类型
converted_df = filtered_df.with_columns(
    pl.exclude("Label").cast(pl.Utf8).str.to_numeric(downcast_integer=True, strict=False)
)

内容的提问来源于stack exchange，提问作者yarvis