Polars：筛选任意列包含缺失值的所有行

对应pandas中df.loc[df.isnull().any(axis=1), :]的功能，在Polars里可以通过两种简洁的方式筛选出任意列存在缺失值的行：

核心实现代码 #

# 推荐写法：利用Polars的横向聚合函数
df_filtered = df.filter(pl.any_horizontal(pl.all().is_null()))

# 等价写法：贴近pandas的思路逻辑
df_filtered = df.filter(df.select(pl.all().is_null()).any(axis=1))

完整可复现示例 #

import polars as pl

# 输入数据
df = pl.DataFrame({
    "a": [1, 2, None, 4, 5],
    "b": [1.0, 2.0, 3.0, None, 5.0],
    "c": ["a", "b", None, "d", None],
})

# 执行筛选
df_filtered = df.filter(pl.any_horizontal(pl.all().is_null()))

print(df_filtered)

输出结果 #

shape: (3, 3)
┌──────┬──────┬──────┐
│ a    ┆ b    ┆ c    │
│ ---  ┆ ---  ┆ ---  │
│ i64  ┆ f64  ┆ str  │
╞══════╪══════╪══════╡
│ null ┆ 3.0  ┆ null │
│ 4    ┆ null ┆ d    │
│ 5    ┆ 5.0  ┆ null │
└──────┴──────┴──────┘

逻辑说明

• pl.all().is_null()：对DataFrame的每一列元素逐个判断是否为缺失值，生成一个布尔型的中间DataFrame
• pl.any_horizontal(...)：对每一行做横向聚合，只要该行有任意一个缺失值（即布尔值为True），就保留该行

内容的提问来源于stack exchange，提问作者sofile9680