Polars DataFrame逐行检测空值的更优实现方法咨询

直接使用Polars原生向量化操作即可实现，无需转置，代码简洁且效率远高于转置方案：

1. 核心实现代码

import polars as pl

# 示例DataFrame
df = pl.DataFrame({
    "col1": [1, None, 5],
    "col2": ["foo", None, "bar"],
    "col3": [3.14, 2.71, None]
})

# 新增布尔列标记每行是否存在任意null值
df = df.with_columns(has_any_null=pl.all().is_null().any())

2. 关键说明

• pl.all()：选中当前DataFrame的所有列
• .is_null()：将每列元素转换为布尔值，null对应True，非null对应False
• .any()：按行聚合，只要该行有一个True就返回True，否则返回False
• 该操作是Polars原生的向量化计算，完全避免了转置带来的高开销

3. 排除指定列的场景
   如果不需要检查某些列（比如已有的标识列），可以用exclude方法筛选目标列：

# 排除col1，只检查col2和col3是否有null
df = df.with_columns(has_null_in_target=pl.all().exclude("col1").is_null().any())

内容的提问来源于stack exchange，提问作者Backwater1296