如何基于列内值条件过滤（排除）Polars DataFrame中的列？

你当前的代码polars_df.select(cs.numeric() != 0)是对每个数值列的所有元素做"不等于0"的判断，生成的是布尔值列，这和你要筛选列的需求不符。要保留标准差大于0的列，需要先计算列的标准差，再基于结果筛选列名，具体实现方式如下：

方法一：分步实现 #

1. 计算所有列的标准差，得到以列名为索引的Series：

std_results = polars_df.std()

2. 筛选出标准差大于0的列名：

keep_columns = std_results[std_results > 0].index.to_list()

3. 用筛选后的列名选择原DataFrame的列：

polars_df = polars_df.select(keep_columns)

方法二：链式简洁写法 #

可以把步骤合并成一行代码，更紧凑：

polars_df = polars_df.select([col for col in polars_df.columns if polars_df[col].std() > 0])

方法三：Polars风格的表达式写法 #

利用Polars的类型选择和动态过滤，更贴合框架设计：

import polars as pl

polars_df = polars_df.select(
    pl.col(pl.NUMERIC_DTYPES).filter(lambda s: s.std() > 0)
)

以上三种方式都能得到只保留标准差大于0的列的DataFrame。

内容的提问来源于stack exchange，提问作者yarvis