如何列表存储、拼接并执行Polars过滤表达式？

我希望将多个不同的过滤器存储在一个对象（列表、字典等）中，之后可以选择所需过滤器并在Polars的.filter()方法中执行。示例如下：

# Sample DataFrame
df = pl.DataFrame(
    {"col_a": [1, 2, 3, 4, 5, 6, 7, 8, 9, 10], "col_b": [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]}
)

# Set a couple of filters
filter_1 = pl.col("col_a") > 5
filter_2 = pl.col("col_b") > 8

# Apply filters: this works fine!
df_filtered = df.filter(filter_1 & filter_2)

# Concatenate filters
filters = [filter_1, filter_2]

# This won't work:
df.filter((" & ").join(filters))
df.filter((" | ").join(filters))

请问如何实现类似(" & ").join(filters)的正确拼接方式，使其能在.filter()方法中生效？

1. 逻辑与（AND）拼接过滤器 #

使用functools.reduce结合Polars的&运算符，可将列表中的过滤器依次组合为逻辑与关系：

from functools import reduce
import polars as pl

df = pl.DataFrame(
    {"col_a": [1, 2, 3, 4, 5, 6, 7, 8, 9, 10], "col_b": [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]}
)

filter_1 = pl.col("col_a") > 5
filter_2 = pl.col("col_b") > 8
filters = [filter_1, filter_2]

# 组合逻辑与过滤器
combined_filter = reduce(lambda a, b: a & b, filters)
df_filtered = df.filter(combined_filter)
print(df_filtered)

输出结果：

shape: (2, 2)
┌───────┬───────┐
│ col_a ┆ col_b │
│ ---   ┆ ---   │
│ i64   ┆ i64   │
╞═══════╪═══════╡
│ 9     ┆ 9     │
│ 10    ┆ 10    │
└───────┴───────┘

2. 逻辑或（OR）拼接过滤器 #

同样用reduce，替换运算符为|即可实现逻辑或的组合：

# 组合逻辑或过滤器
combined_filter = reduce(lambda a, b: a | b, filters)
df_filtered = df.filter(combined_filter)
print(df_filtered)

输出结果：

shape: (7, 2)
┌───────┬───────┐
│ col_a ┆ col_b │
│ ---   ┆ ---   │
│ i64   ┆ i64   │
╞═══════╪═══════╡
│ 6     ┆ 6     │
│ 7     ┆ 7     │
│ 8     ┆ 8     │
│ 9     ┆ 9     │
│ 10    ┆ 10    │
│ 1     ┆ 9     │
│ 2     ┆ 10    │
└───────┴───────┘

3. 用Polars内置函数简化（可选） #

如果是对单行的多个条件做逻辑与/或，可直接使用Polars内置的pl.all_horizontal()或pl.any_horizontal()，代码更简洁：

# 逻辑与等价写法
df_filtered = df.filter(pl.all_horizontal(filters))

# 逻辑或等价写法
df_filtered = df.filter(pl.any_horizontal(filters))

内容的提问来源于stack exchange，提问作者Guz