如何将含字典列的Pandas DataFrame转为Polars Object类型DataFrame？

要保留原始Python字典对象而不被Polars转为Arrow结构体，可以通过以下两种方式实现：

方法1：直接构造Polars Series并指定Object类型 #

从Pandas DataFrame中提取列数据，用pl.Series显式指定dtype=pl.Object，再组合成Polars DataFrame：

import pandas as pd
import polars as pl

df_pd = pd.DataFrame({ "the_column": [{ "key" : 123 }, { "foo" : 456 }, { "bar" : 789 }]})

# 构造Object类型的Series
series_obj = pl.Series("the_column", df_pd["the_column"], dtype=pl.Object)
df_pl = pl.DataFrame(series_obj)

print(df_pl)

输出结果：

shape: (3, 1)
┌─────────────────┐
│ the_column      │
│ ---             │
│ object          │
╞═════════════════╡
│ {'key': 123}    │
│ {'foo': 456}    │
│ {'bar': 789}    │
└─────────────────┘

方法2：使用Polars DataFrame构造器直接指定类型 #

跳过from_pandas方法，直接用原始数据构造Polars DataFrame并指定列类型：

import pandas as pd
import polars as pl

data = { "the_column": [{ "key" : 123 }, { "foo" : 456 }, { "bar" : 789 }]}
df_pl = pl.DataFrame(data, schema={"the_column": pl.Object})

print(df_pl)

输出与方法1一致。

为什么schema_overrides会报错？ #

pl.from_pandas转换时会自动将Pandas中的字典列解析为Arrow结构体类型（Polars默认优先推断结构化类型），此时强制用schema_overrides转为Object类型会触发错误——结构体内部字段是强类型（如Int64），无法直接转为未知的Object类型。直接构造Series或DataFrame可绕过自动类型推断，保留原始Python对象。

内容的提问来源于stack exchange，提问作者GrantS