Polars from_pandas()报错：字典仅支持类字符串值，如何解决？

当Pandas DataFrame中包含整数或浮点数类型的分类列时，直接使用pl.from_pandas()转换为Polars DataFrame会触发如下错误：

ComputeError: only string-like values are supported in dictionaries

示例代码：

import pandas as pd
import polars as pl

df = pd.DataFrame(
    {
        "label1": pd.Categorical([1, 1, 1, 2, 2]),
        "label2": pd.Categorical([0.5, 0.4, 0.3, 0.4, 0.3]),
        "measurement": [1, 2, 3, 4, 5],
    }
)

# 执行此代码会报错
pl_df = pl.from_pandas(df)

以下是几种可行的规避方案：

• 方案1：将分类列的类别转为字符串类型
  Polars的字典（对应Pandas分类）类型仅支持字符串类别的键，因此可以先将Pandas分类列的类别重命名为字符串，再进行转换：

# 遍历所有分类列，将类别转为字符串
for col in df.select_dtypes('category').columns:
    df[col] = df[col].cat.rename_categories(str)

pl_df = pl.from_pandas(df)

• 方案2：转换为普通数值列（放弃分类类型）
  如果业务场景不需要保留分类类型，可以直接将分类列转为对应的数值类型：

# 转换分类列为数值类型
df['label1'] = df['label1'].astype(int)
df['label2'] = df['label2'].astype(float)

pl_df = pl.from_pandas(df)

• 方案3：手动构建Polars分类列
  若需要保留分类类型，可手动创建Polars的pl.Categorical列，显式将类别转为字符串：

pl_df = pl.DataFrame({
    "label1": pl.Categorical(df['label1'].astype(str)),
    "label2": pl.Categorical(df['label2'].astype(str)),
    "measurement": df['measurement']
})

内容的提问来源于stack exchange，提问作者blaylockbk