使用Polars的scan_csv与scan_parquet读取多文件时，行顺序是否有保障？

问题 #

现有文件列表 l = [f1, f2, f3...fn]，对应文件的行数为s1,s2,...,sn，当使用 df = pl.scan_csv(l, ...) 或 df = pl.scan_parquet(l, ...) 创建DataFrame时，结果行的顺序是否与文件顺序一致？也就是遵循 [f11,f12,...f1s1,f21,...fnsn] 的排列顺序？

回答 #

是的，使用Polars的scan_csv或scan_parquet读取多个文件时，结果DataFrame的行顺序完全匹配输入文件列表的顺序——先包含f1的所有行（保持原文件内的行顺序），接着是f2的所有行，以此类推直到fn的最后一行，完全符合你描述的排列规则。

需要注意的是，这种顺序一致性是Polars批量读取多文件的默认行为，只有当你显式执行了打乱行序的操作（比如shuffle()、sort()等）时，行的排列顺序才会改变。

内容的提问来源于stack exchange，提问作者notsure01