Polars是否支持布尔类型列选择？如何筛选全为Null的列？

现有代码的问题 #

你当前的写法存在明显局限性：

• 当存在多个全为Null的列时，columns[0]只会返回第一个符合条件的列名，丢失其他符合条件的列；
• 写法冗余绕弯，通过.row(0)取结果再切片的方式不够直观，可读性差。

更优解决方案 #

方法1：简洁生成全Null列名列表 #

通过select生成各列是否全为Null的结果，再提取符合条件的列名：

import polars as pl

# 获取所有全Null列的列名列表
all_null_status = specific_data.select(pl.all().is_null().all()).to_dict(as_series=False)
nan_columns = [col for col, is_null in all_null_status.items() if is_null[0]]

方法2：链式调用实现更优雅 #

利用Polars的链式API，一步完成筛选和提取：

nan_columns = (
    specific_data
    .select(pl.all().is_null().all())
    .melt()
    .filter(pl.col("value"))
    .select("variable")
    .to_series()
    .to_list()
)

方法3：遍历列直接判断（适合小数据集） #

如果数据集规模不大，直接遍历列进行判断更直观：

nan_columns = [col for col in specific_data.columns if specific_data[col].is_null().all()]

验证示例 #

假设我们有如下测试DataFrame：

specific_data = pl.DataFrame({
    "col1": [None, None, None],
    "col2": [1, 2, 3],
    "col3": [None, None, None]
})

使用上述方法会得到nan_columns = ["col1", "col3"]，而你的原代码只会返回"col1"，清晰体现出原写法的缺陷。

内容的提问来源于stack exchange，提问作者ChenHuang