Polars使用Lazy API结合分类特征做Join未按预期运行是什么原因

• 你对官方文档的描述存在理解偏差：官方提到的Lazy API无需额外配置字符串缓存，前提是分类类型的转换逻辑包含在同一个全局查询计划中，由Polars在查询优化阶段统一处理缓存共享。
• 你当前的写法是先分别得到两个独立的LazyFrame，再各自对admin列执行分类类型转换，两个转换逻辑分属独立的上下文，Polars无法自动识别两个分类列需要共享字符串缓存，因此抛出错误，这不属于Polars的bug。

推荐将分类转换逻辑提前到上游的公共DataFrame中，保证两个分支的分类列来自同源的转换逻辑，无需手动开启全局字符串缓存即可正常运行，示例代码如下：

# 提前对公共输入的admin列做分类转换，再生成LazyFrame
admin_df = admin_df.with_columns(
    pl.col("admin").cast(pl.Categorical)
).lazy()

# 后续分组聚合逻辑直接复用已经转好分类的列
count = admin_df.groupby(['admin','EVENT_DATE']).pivot(pivot_column='FIVE_TYPE',values_column='count').first()
fatalities = admin_df.groupby(['admin','EVENT_DATE']).pivot(pivot_column='FIVE_TYPE',values_column='FATALITIES').first()

admin_df = fatalities.join(count,on=['admin','EVENT_DATE']).collect()

你目前使用with pl.StringCache():包裹全量代码的方案也是可行的，适合不方便调整转换逻辑位置的场景。

内容的提问来源于stack exchange，提问作者seb2704