您可以将.select()移动到collect之前的最后一个操作：

columns = "a", "b", "c", "d"

dfs = [
   pl.scan_csv(file, ignore_errors=True)
   for file in glob.glob("*.csv")
]

pl.concat(dfs, how="diagonal").select(columns).collect()

个字符
至于添加缺失的列，我不确定除了“手动”确定差异之外是否还有其他方法：

columns = "a", "b", "c", "d"

dfs = (
   df.with_columns(**missing).select(columns)
   for file    in glob.glob("*.csv")
   for df      in [ pl.scan_csv(file, ignore_errors=True) ]
   for diff    in [ set(columns).difference(df.columns) ]
   for missing in [ dict.fromkeys(diff) ]
)

pl.concat(dfs, how="vertical_relaxed").collect()

shape: (5, 4)
┌──────┬──────┬──────┬──────┐
│ a    ┆ b    ┆ c    ┆ d    │
│ ---  ┆ ---  ┆ ---  ┆ ---  │
│ i64  ┆ i64  ┆ i64  ┆ i64  │
╞══════╪══════╪══════╪══════╡
│ 1    ┆ 2    ┆ null ┆ null │
│ 4    ┆ 5    ┆ 6    ┆ null │
│ null ┆ null ┆ 3    ┆ 5    │
│ null ┆ 7    ┆ 8    ┆ 9    │
│ null ┆ 10   ┆ 11   ┆ 12   │
└──────┴──────┴──────┴──────┘

dict.fromkeys()构建名称和“null”以添加为缺失列：

>>> dict.fromkeys(["c", "d"])
{'c': None, 'd': None}

型
dtypes将有所不同，在这种情况下，您可以使用vertical_relaxed策略。