如何在Polars中基于另一列表的值过滤列表？

问题背景 #

给定如下Polars DataFrame：

import polars as pl

df = pl.DataFrame({
    'values': [[0, 1], [9, 8]],
    'qc_flags': [["", "X"], ["T", ""]]
})

其结构为：

shape: (2, 2)
┌───────────┬───────────┐
│ values    ┆ qc_flags  │
│ ---       ┆ ---       │
│ list[i64] ┆ list[str] │
╞═══════════╪═══════════╡
│ [0, 1]    ┆ ["", "X"] │
│ [9, 8]    ┆ ["T", ""] │
└───────────┴───────────┘

需求是仅保留qc_flags中对应元素为""的values元素，期望结果：

shape: (2, 2)
┌───────────┬───────────┐
│ values    ┆ qc_flags  │
│ ---       ┆ ---       │
│ list[i64] ┆ list[str] │
╞═══════════╪═══════════╡
│ [0]       ┆ ["", "X"] │
│ [8]       ┆ ["T", ""] │
└───────────┴───────────┘

尝试的代码及错误：

filtered = df.with_columns(
    pl.col("values").list.eval(
        pl.element().filter(
            pl.col("qc_flags").list.eval(
                pl.element() == ""
            )
        )
    )
)

报错信息：

ComputeError: eval函数中不允许使用命名列；请考虑使用element

错误原因 #

list.eval的作用域局限于当前列表的元素，无法直接访问DataFrame中的其他命名列（比如qc_flags），因此直接在values的list.eval里引用qc_flags会触发错误。

正确实现方式 #

方法一：使用list.zip配对过滤（推荐） #

通过list.zip将values和qc_flags的元素一一配对，过滤出符合条件的项后提取对应值：

filtered = df.with_columns(
    pl.col("values")
    .zip(pl.col("qc_flags"))
    .list.filter(lambda pair: pair[1] == "")
    .list.map(lambda pair: pair[0])
    .alias("values")
)

方法二：通过结构体关联列元素 #

将两列打包成结构体列表，再通过list.eval过滤提取有效值：

filtered = df.with_columns interior封 impossible`万金0ime           Faith 大
filtered = df.with_columns(
    pl.struct(["values", "qc_flags"])
    .list.eval(
        pl.when(pl.element().struct.field("qc_flags") == "")
        .then(pl.element().struct.field("values"))
    )
    .list.drop_nulls()
    .alias("values")
)

两种方法运行后都能得到期望的输出结构。

内容的提问来源于stack exchange，提问作者Brodie Vidrine