Polars中pl.col与索引使用cast的不一致性问题咨询

一、分类列过滤的行为差异 #

1. scores["zone"] == "North" vs pl.col("zone") == "North" #

• scores["zone"]返回的是Series对象，Polars对Series级别的操作遵循严格类型匹配规则：分类列（Categorical）底层存储为整数编码，和字符串常量直接比较时因类型不匹配无法自动映射，必须显式.cast(str)将分类列转为字符串类型才能完成比较。
• pl.col("zone")是表达式（Expr），Polars的表达式引擎会自动处理类型兼容：在过滤逻辑中，表达式会识别右侧的字符串常量，自动将分类列的编码映射回原始字符串进行匹配，因此无需手动转换。

2. 全局字符串缓存下is_in可正常运行的原因 #

开启全局字符串缓存后，Polars会对所有字符串做intern（内存复用）处理，分类列的内部编码会和缓存中的字符串建立固定关联。此时Series的is_in方法可以直接利用这个关联关系，将传入的字符串列表匹配到分类列的编码，无需显式转换即可完成判断。

二、数值列除法的类型转换差异 #

• zone_count["count"] / 100：zone_count["count"]是Series对象，Polars的Series算术运算会自动做类型提升——整数类型的Series执行除法时，为避免精度丢失，会自动将结果转为float类型。
• zone_count.select(pl.col("count")) / 100：select返回的是DataFrame对象，Polars对DataFrame的运算更倾向于保留原有列的类型（避免多列场景下的意外类型变更），因此不会自动将整数列转为float，必须显式.cast(float)指定类型转换才能完成运算。

内容的提问来源于stack exchange，提问作者Vincent