Polars：在 read_csv 中一次指定所有列的数据类型

Question

在 Polars 中，如何为

read_csv

中的所有列指定单一数据类型？

根据 docs，

schema_overrides

的

read_csv

参数可以采用

{'column_name': dtype}

形式的映射（字典），或数据类型列表，每列一个。 但是，尚不清楚如何指定“我希望所有列都是单个数据类型”。

如果您希望所有列都是字符串，并且您知道列的总数，您可以这样做：

pl.read_csv('sample.csv', schema_overrides=[pl.String]*number_of_columns)

但是，如果您不知道总列数，则此方法不起作用。 在 Pandas 中，你可以这样做：

pd.read_csv('sample.csv', dtype=str)

但这在 Polars 中不起作用。

Answer 1

将 csv 中的所有数据读取为

pl.String

之外的任何其他类型可能会因大量

null

值而失败。我们可以使用表达式来声明我们要如何处理这些空值。

如果您使用

infer_schema_length=0

读取 csv，Polars 不知道架构，并且会将所有列读取为

pl.String

，因为这是所有 Polars 类型的超类型。

当读作

String

时，我们可以使用表达式来转换所有列。

(pl.read_csv("test.csv", infer_schema_length=0)
   .with_columns(pl.all().cast(pl.Int32, strict=False))

Answer 2

如果您想将所有列读取为

str

（极坐标中的

pl.String

），请设置

infer_schema_length=0

，因为极坐标在读取 csv 时使用字符串作为默认类型：

pl.read_csv('sample.csv', infer_schema_length=0)

这是 ritchie46 更详细的答案的 TLDR 。我将其分解为一个单独的答案，因为他的代码片段解决了 any 数据类型的一般情况，而不是将所有内容读取为字符串的特殊但常见情况。