Polars升级至0.19.0后代码报错：ValueError:无法转换'Unknown'为Literal

问题重现 #

升级Polars到0.19.0后，原代码执行时抛出错误：

ValueError: could not convert value 'Unknown' as a Literal

原代码片段：

import polars as pl

df = pl.DataFrame(
    {
        "a": [5, 6, 7, 8, 9],
        "b": [5, 6, 7, 8, 9],
        "c": [5, 6, 7, 8, None],})

cols_1 = ["a", "b"]
cols_2 = ["c"]

df = df.filter(pl.all(pl.col(cols_1 + cols_2).is_not_null()))

错误原因 #

Polars 0.19.0对表达式的类型校验规则做了更新，pl.all()的参数要求更严格，原写法中直接将多列的is_not_null()结果传入pl.all()的方式不再兼容，触发了类型转换错误。

修复方案 #

有两种可行的修改方式，任选其一即可：

方式1：使用表达式链的.all()方法 #

将pl.all()替换为表达式末尾的.all()，明确对每行的所有指定列进行非空检查：

df = df.filter(pl.col(cols_1 + cols_2).is_not_null().all())

方式2：使用pl.all_horizontal()函数 #

用pl.all_horizontal()替代pl.all()，该函数专门用于横向（跨行）的全量条件校验：

df = df.filter(pl.all_horizontal(pl.col(cols_1 + cols_2).is_not_null()))

两种写法都能正确过滤掉包含Null值的行，最终得到的DataFrame会排除最后一行（c列为None的记录）。

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