我不能让它直接与Polars一起工作，但它可以与PyArrow一起工作。
以下是您可以执行的操作：

import polars as pl
import pyarrow.parquet as pq
from adlfs import AzureBlobFileSystem

abfs = AzureBlobFileSystem(account_name='account_name',account_key='account_key')

pq.write_table(polars_dataframe.to_arrow(), 'container/file_name.parquet', filesystem=abfs)

有什么东西与write_parquet等价吗？
号
我所做的是在我自己的读写方法中将路径Map到pl名称空间上，以进行快捷连接处理。
假设您使用adlfs或fsspec创建了一个文件系统（前者只是后者的 Package ）。

azfs=fsspec.filesystem('abfss', connection_string="lgkjsklgjklfherirtguyshasdfkj")

因此，您的样板文件可能会变成：

import polars as pl
import fsspec
# The exact command to create the filesystem doesn't matter so long as it's a filesystem object.
azfs = fsspec.filesystem('abfss', connection_string="lgkjsklgjklfherirtguyshasdfkj")

def write_pq(self, REMOTE_PATH, **kwargs):
    with azfs.open(REMOTE_PATH, "wb") as file_pointer:
        self.write_parquet(file_pointer, **kwargs)
    
pl.DataFrame.write_pq=write_pq

为了保持一致性，你也可以这样做一个阅读器：

def read_pq(REMOTE_PATH, **kwargs):
    with azfs.open(REMOTE_PATH, "rb") as file_pointer:
        pl.read_parquet(file_pointer, **kwargs)
pl.read_pq=read_pq

Monkey将read_pq定义修补为pl并没有真正给予你任何东西，除非你要制作一个以上的包并加载它，而不是直接加载polars，这就是我所做的，所以如果你调用你的包mypolars，那么在你未来的脚本中，你会做from mypolars import pl，而不是import polars as pl。
从那时起，您可以只执行df.write_pq("your blob path")，并可以使用df=pl.read_pq("your blob path")读取它
由于我们在调用中使用了**kwargs，您仍然可以使用本机read_parquet和write_parquet可用的任何其他参数