如何在Polars DataFrame中创建非字母序的有序分类列？

在Pandas中，我们可以通过指定自定义类别顺序和ordered=True参数，直接将字符串列转换为有序分类列：

column_values_with_custom_order = ["B", "A", "C"]
df["Column"] = pd.Categorical(df.Column, categories=column_values_with_custom_order, ordered=True)

但在Polars中，直接使用col("Column").cast(pl.Categorical)无法设置自定义排序规则；虽然通过pl.from_pandas(df)能间接实现类似效果，但希望找到Polars原生的推荐实现方式，且不想为排序额外新增列。

Polars原生支持通过set_categories()结合with_ordering()实现带自定义顺序的有序分类列，无需额外新增列，具体实现如下：

示例代码 #

import polars as pl

# 构造示例DataFrame
polars_df = pl.DataFrame({"Column": ["A", "B", "C", "A", "B"]})

# 定义自定义类别顺序
custom_category_order = ["B", "A", "C"]

# 将字符串列转换为带自定义顺序的有序分类列
polars_df = polars_df.with_columns(
    pl.col("Column")
    .cast(pl.Categorical)
    .set_categories(custom_category_order)
    .with_ordering("physical")
)

# 验证排序效果（会按["B", "A", "C"]的顺序排列）
print(polars_df.sort("Column"))

关键方法说明 #

• set_categories(custom_category_order)：指定分类的自定义顺序，默认会过滤掉不在该列表中的值；如果需要保留所有原始值，可添加参数strict=False。
• with_ordering("physical")：将分类的排序规则从默认的字典序（lexical）切换为物理序（physical），让Polars使用你定义的类别顺序作为排序依据。

验证分类属性 #

可以通过以下代码确认分类的顺序和排序规则：

print("自定义类别顺序:", polars_df.schema["Column"].categories)
print("排序规则:", polars_df.schema["Column"].ordering)

内容的提问来源于stack exchange，提问作者SenseiH