Polars如何检查DataFrame中是否存在任何空值？

已知使用df.null_count()可以获取DataFrame各列的空值数量，但直接用if any(df.null_count()):无法生效——因为null_count()返回的是单行DataFrame对象，而非可直接迭代的序列，any()无法正确解析该结构。

以下是几种正确的实现方式：

方法1：转换null_count结果为可迭代结构 #

将null_count()返回的DataFrame转为numpy数组后，再用any()判断：

import polars as pl

data = {"foo": [1, 2, 3, None], "bar": [4, None, None, 6]}
df = pl.DataFrame(data)

has_nulls = df.null_count().to_numpy().any()
print(has_nulls)  # 输出: True

方法2：使用Polars表达式高效判断 #

通过any_horizontal直接检查所有列是否存在空值，无需生成完整的空值计数，性能更优：

has_nulls = df.select(pl.any_horizontal(pl.all().is_null())).item()
print(has_nulls)  # 输出: True

方法3：链式调用is_null与any #

先对整个DataFrame标记空值，再通过两次any()判断（第一次判断每列是否有至少一个空值，第二次判断所有列的结果）：

has_nulls = df.is_null().any().any()
print(has_nulls)  # 输出: True

内容的提问来源于stack exchange，提问作者user3240688