如何在Polars.filter()中保留空值进行数据筛选

在Polars中，直接用!=做比较时，Null值会被判定为False，导致空值行被过滤。要同时保留空值行和received列不等于"qty"的行，可采用以下两种方法：

方法一：显式包含空值判断 #

通过逻辑或（|）同时指定两个筛选条件：received不等于"qty"，或者received是空值：

import polars as pl

df = pl.DataFrame({
    'doc_n': ['1111', '2222', '3333'],
    'received': ['qty', '6.0', None],
})

df = df.filter(pl.col('received') != 'qty' | pl.col('received').is_null())
print(df)

方法二：使用eq的取反操作 #

Polars的eq方法对Null值返回False，取反（~）后会将Null值转为True，刚好匹配我们需要保留空值的需求：

import polars as pl

df = pl.DataFrame({
    'doc_n': ['1111', '2222', '3333'],
    'received': ['qty', '6.0', None],
})

df = df.filter(~pl.col('received').eq('qty'))
print(df)

两种方法执行后，都会得到包含['6.0', '2222']和[None, '3333']的两行结果。

内容的提问来源于stack exchange，提问作者Masik