如何持久化并复用Polars分类列的整数映射？

问题核心在于：自动推断的pl.Categorical会按数据中首次出现的顺序生成类别映射，导致行顺序变化时映射结果改变。要固定映射，只需预先定义分类的类别列表，而不是让Polars自动推断。

方法1：创建DataFrame时指定固定类别 #

预先定义好分类的类别顺序，这样不管数据行的顺序如何，映射关系都会固定：

# 定义固定的类别顺序，a对应0，b对应1
fixed_cat = pl.Categorical(['a', 'b'])
df = pl.DataFrame({'foo': ['b', 'a']}, schema={'foo': fixed_cat})

# 转换为物理值，映射结果固定
df.with_columns(pl.col('foo').to_physical().name.suffix('_cat'))

方法2：给已有分类列重新设置固定类别 #

如果已经有一个自动推断类别的DataFrame，可以通过cast方法重新指定固定类别，修正映射：

# 原DataFrame（自动推断类别，映射依赖行顺序）
df = pl.DataFrame({'foo': ['b', 'a']}, schema={'foo': pl.Categorical})

# 重新设置固定类别
df = df.with_columns(pl.col('foo').cast(pl.Categorical(['a', 'b'])))

# 此时转换的映射结果固定
df.with_columns(pl.col('foo').to_physical().name.suffix('_cat'))

方法3：复用类别定义处理新DataFrame #

要在新的DataFrame上应用完全相同的映射，直接复用之前定义好的分类dtype即可：

# 复用之前的fixed_cat定义
new_df = pl.DataFrame({'foo': ['a', 'b', 'b']}, schema={'foo': fixed_cat})

# 转换结果和之前完全一致
new_df.with_columns(pl.col('foo').to_physical().name.suffix('_cat'))

这种方案比手动提取字典再用replace更简便：不需要维护额外的映射字典，直接利用Polars分类类型的原生机制，代码更简洁，也能避免手动维护字典可能出现的错误。

内容的提问来源于stack exchange，提问作者robertdj