如何在Polars DataFrame中筛选唯一值少于100的字符串列？

你的代码问题所在 #

1. 第一段代码报错原因：
   (pl.col(pl.String)) & (pl.all().n_unique() < 100)的逻辑不成立。pl.col(pl.String)是选中所有字符串列，而pl.all().n_unique() <100是对所有列计算唯一值数量后生成布尔值，两者属于不同维度的操作，无法用&直接组合来筛选列。

2. 第二段代码未达到预期的原因：
   df.select(pl.all().n_unique() <100)返回单行布尔DataFrame是正常行为——n_unique()是聚合函数，在select中使用时，Polars会把每列的所有行聚合成一个结果（这里是该列唯一值数量是否小于100的布尔值），但这是创建新列的操作，不是筛选列的操作。

正确实现方式 #

方式一：分步筛选（新手友好，逻辑清晰）

# 提取所有字符串类型的列名
string_cols = df.select(pl.col(pl.String)).columns
# 筛选出唯一值数量少于100的列
valid_cols = [col for col in string_cols if df[col].n_unique() < 100]
# 选中目标列
filtered_df = df.select(valid_cols)

方式二：用Polars表达式API简洁实现

filtered_df = df.select([
    col for col in pl.col(pl.String) if col.n_unique() < 100
])

或者用filter方法：

filtered_df = df.select(
    pl.col(pl.String).filter(lambda col: col.n_unique() < 100)
)

内容的提问来源于stack exchange，提问作者pietz