如何在Polars中不推断Schema来可靠初始化DataFrame？

我完全懂你遇到的这个糟心问题——明明按照文档设置了infer_schema_length=None，结果Polars还是没扫描完整的迭代器数据，导致部分列直接丢失，官方文档的描述又模棱两可，确实让人摸不着头脑。

给你几个靠谱的解决办法，按推荐程度排序：

• 显式定义Schema（最推荐）
  直接跳过Schema推断环节，自己提前把所有需要的列和对应类型定义好，Polars会严格按照你指定的规则创建DataFrame，哪怕迭代器里的部分元素缺失某些列，也会自动填充为null，绝对不会丢列。示例代码：

  import polars as pl
  
  # 按你的数据结构定义完整Schema
  custom_schema = {
      "user_id": pl.Int64,
      "username": pl.Utf8,
      "signup_date": pl.Date,
      "last_login": pl.Datetime  # 哪怕部分数据里没有这个列，也会保留
  }
  
  # 用自定义Schema初始化DataFrame
  df = pl.DataFrame(your_iterable, schema=custom_schema)
  # 用from_dicts的话写法类似
  df = pl.from_dicts(your_iterable, schema=custom_schema)
  

  这种方式不仅可靠，还能避免推断Schema带来的性能开销，尤其适合数据结构固定的场景。

• 先将迭代器转为完整列表
  如果不想手动写Schema，那可以先把迭代器（比如生成器、流式迭代对象）转成普通列表，这样Polars就能拿到完整的数据集来做Schema推断，不会出现扫不全的情况。示例：

  # 先把迭代器转成列表（注意：数据量极大时会占用较多内存，谨慎使用）
  full_data = list(your_iterable)
  df = pl.DataFrame(full_data, infer_schema_length=None)
  

  原理是有些迭代器是“一次性”的，Polars在推断Schema时可能只迭代了一部分就停止了，转成列表后是完整的静态数据集，Polars就能扫描所有元素来确定全部列。

• 检查迭代器本身的问题
  有时候不是Polars的锅——比如你的迭代器本身就存在元素列不一致的情况，或者生成器在迭代过程中提前终止了。可以先手动遍历一次迭代器，打印每个元素的键，确认所有列都在至少一个元素里存在，这样Polars推断Schema时才能识别到。

总结一下：显式定义Schema是最稳妥的方案，既解决了列丢失的问题，又能让代码逻辑更清晰；如果实在不想写Schema，转成列表是退而求其次的选择。

内容来源于stack exchange