Polars 提供了 pl.concat() 函数，支持直接对多个 LazyFrame 进行惰性垂直拼接（即行方向合并），无需提前 .collect() 触发计算，从而避免内存与性能开销。
polars 提供了 `pl.concat()` 函数，支持直接对多个 `lazyframe` 进行惰性垂直拼接（即行方向合并），无需提前 `.collect()` 触发计算，从而避免内存与性能开销。
在 Polars 中，LazyFrame 的设计核心是延迟执行——所有操作仅构建执行计划，直到显式调用 .collect() 才真正执行。因此，垂直合并（即按行堆叠）两个 LazyFrame 时，应避免使用会强制物化数据的方法（如先 .collect() 再用 pandas 或 polars DataFrame 的 vstack），否则将丧失惰性优势。
正确做法是使用 polars.concat()（注意：是模块级函数 pl.concat()，而非 LazyFrame 实例方法）。该函数原生支持 LazyFrame 列表输入，并返回一个新的 LazyFrame，其执行计划已包含高效的流式追加逻辑：
import polars as pl
# 构造两个 LazyFrame
lf1 = pl.LazyFrame({"id": [101, 102], "name": ["Alice", "Bob"]})
lf2 = pl.LazyFrame({"id": [201, 202], "name": ["Charlie", "Diana"]})
# 惰性垂直合并（不触发计算）
combined_lf = pl.concat([lf1, lf2], how="vertical")
# 此时仍为 LazyFrame，可继续链式操作
result = combined_lf.filter(pl.col("id") > 150).select("name").collect()
print(result)
输出：
shape: (2, 1) ┌─────────┐ │ name │ │ --- │ │ str │ ╞═════════╡ │ Charlie │ │ Diana │ └─────────┘
✅ 关键要点：
-
pl.concat(..., how="vertical")是默认行为，适用于结构一致（列名、数量、类型兼容）的LazyFrame； - 若列顺序不同但语义相同，可设
rechunk=False并配合coalesce=True（需 Polars ≥ 0.20.0）提升鲁棒性； - 不支持
extend()或vstack()等实例方法——这是有意设计，强调“组合优先于修改”； - 与
join()不同，concat不改变列结构，仅扩展行数，适合日志合并、分片读取、A/B 测试结果聚合等场景。
⚠️ 注意事项：
- 列名必须完全匹配（大小写敏感），否则抛出
SchemaError；若需自动对齐，可先统一调用.rename()； - 类型不兼容时（如
i64vsf64），Polars 会尝试向上转型（如转为f64），但建议预先校验 schema 以保障稳定性； - 大量 LazyFrame 拼接时，
pl.concat([lf1, lf2, ..., lfN])比嵌套调用更高效——单次调用生成更优执行计划。
总之，pl.concat() 是 Polars 中垂直合并 LazyFrame 的标准、高效且符合惰性范式的解决方案。
