Polars惰性处理Parquet数据时如何选取N行返回LazyFrame？

我基于Polars编写了惰性数据处理函数，用于处理大型Parquet数据集。目前我需要从Parquet文件中选取N行数据并返回惰性数据集，但测试发现.fetch(N)与.head(N)方法返回的均为DataFrame类型，而非LazyFrame，请问是否只能通过pl.scan_parquet(filename).fetch(100_000).lazy()这类写法实现需求？
补充背景：

• 所用数据集不存在单调递增的id列
• 执行该选取操作的目的是验证数据处理函数在数据集大切片上的运行耗时是否处于合理区间

首先纠正两个认知偏差：

1. .fetch(N)本身就是惰性查询的触发执行方法，设计初衷就是拉取少量数据做快速调试，必然返回eager模式的DataFrame，不可能返回LazyFrame。
2. 如果你调用.head(N)返回了DataFrame，要么是用的Polars版本过旧（0.19之前的旧版本API逻辑有差异），要么是在已经执行过collect()/fetch()得到的DataFrame对象上调用的head——在新版Polars的LazyFrame上调用.head(N)，本身就是惰性操作，和.limit(N)是完全等价的别名，不会触发立即执行，返回值就是LazyFrame。

你完全不需要用fetch(N).lazy()这种写法，这种写法反而会干扰耗时测试结果：它会先立即执行扫描拉取N行数据到内存生成eager DataFrame，再转回LazyFrame，相当于把数据加载的时间从你后续的处理流程里拆了出去，测出来的函数耗时会比真实值偏低。

正确的惰性取前N行实现方式如下，全程不触发执行，返回值为标准LazyFrame：

import polars as pl

# 惰性读取Parquet，直接链式调用limit取前10万行，全程不加载全量数据
lazy_subset = pl.scan_parquet("target_dataset.parquet").limit(100_000)

# 验证类型，输出为 polars.lazyframe.frame.LazyFrame
print(type(lazy_subset))

# 后续直接把你写的惰性处理函数作用在lazy_subset上即可，需要测耗时的时候统一调用.collect()触发计算

这个方案完全适配你的场景：

• 不需要依赖单调递增的id列，.limit(N)会直接按Parquet文件的存储顺序截取前N行
• Polars的查询优化器会自动做限制下推，只会读取Parquet文件中凑够N行所需的最少行组，不会加载全量数据集，内存占用和加载效率都满足大切片测试的要求
• 所有计算逻辑都保留在惰性查询计划里，你最终调用.collect()统计耗时时，会包含从磁盘读数据到完成全量处理的完整流程，耗时统计结果是准确的。

如果需要做多次重复对照测试，可以先对这个惰性切片调用.collect()拿到固定的样本DataFrame，再转成LazyFrame传入处理函数，避免每次扫描Parquet时的IO波动影响耗时统计结果。

内容的提问来源于stack exchange，提问作者TomNorway