如何修改Polars DataFrame中已有分类列的自定义排序？

问题原因 #

你遇到的问题核心是Polars的StringCache会缓存首次注册的分类顺序：第一次通过pl.Series(myorder).cast(pl.Categorical)在缓存中注册了["k", "z", "b", "a"]的类别映射，后续再次执行cast(pl.Categorical)时，Polars会直接复用已缓存的映射关系，导致新的排序规则不生效。

解决方案 #

推荐以下两种可靠的修改方式：

方法1：显式指定分类顺序（推荐，无需依赖缓存）

直接在cast(pl.Categorical)时通过order参数指定新的排序，同时先将原分类列转回字符串类型，确保完全重置类别映射：

# 新的自定义排序
myorder = ["b", "z", "k", "a"]

# 先转回字符串，再重新设置分类并指定顺序
df = df.with_columns(
    pl.col('cats').cast(pl.String).cast(pl.Categorical(order=myorder))
)

print(df.sort(["cats"]))

执行后输出会符合新排序：

shape: (5, 2)
┌──────┬──────┐
│ cats ┆ vals │
│ ---  ┆ ---  │
│ cat  ┆ i64  │
╞══════╪══════╡
│ b    ┆ 3    │
│ z    ┆ 3    │
│ z    ┆ 1    │
│ k    ┆ 2    │
│ a    ┆ 2    │
└──────┴──────┘

方法2：清空StringCache后重新注册

如果需要保留缓存方式，需先清空已有缓存，再重新注册新排序，同时将列转回字符串后再cast：

# 新的自定义排序
myorder = ["b", "z", "k", "a"]

# 清空字符串缓存
pl.StringCache().clear()

with pl.StringCache():
    # 重新注册新的分类顺序
    pl.Series(myorder).cast(pl.Categorical)
    # 先转回字符串再转换为分类，避免复用旧映射
    df = df.with_columns(pl.col('cats').cast(pl.String).cast(pl.Categorical))

print(df.sort(["cats"]))

注意事项 #

• Polars 0.18.0及以上版本支持pl.Categorical(order=...)参数，这是更直观且可控的方式，优先使用。
• 不要直接对已有分类列再次执行cast(pl.Categorical)，因为Polars会复用缓存或已有列的类别映射，无法更新排序。

内容的提问来源于stack exchange，提问作者SenseiH