如何在Polars DataFrame中删除所有值为0的行？

嘿，我来给你支个招！你已经会用drop_nans()处理带空值的行，那要删掉Polars DataFrame里所有列全是0的行，其实有好几种简单的方法，我结合你的例子给你讲讲～

先看你给出的示例数据：

import polars as pl

df = pl.DataFrame({
    "a":[0, 0, 0, 0, 30],
    "b":[0, 0, 0, 0, 40],
    "c":[0, 0, 0, 0, 50]
})

这个DataFrame的结构是这样的：

shape: (5, 3)
┌─────┬─────┬─────┐
│ a   ┆ b   ┆ c   │
│ --- ┆ --- ┆ --- │
│ i64 ┆ i64 ┆ i64 │
╞═════╪═════╪═════╡
│ 0   ┆ 0   ┆ 0   │
│ 0   ┆ 0   ┆ 0   │
│ 0   ┆ 0   ┆ 0   │
│ 0   ┆ 0   ┆ 0   │
│ 30  ┆ 40  ┆ 50  │
└─────┴─────┴─────┘

方法一：精准匹配全0行（推荐） #

用pl.all()配合filter方法，能精准筛选出不是全0的行：

# 过滤掉所有列值都为0的行
filtered_df = df.filter(~pl.all().is_eq(0))
print(filtered_df)

运行后你会得到想要的结果：

shape: (1, 3)
┌─────┬─────┬─────┐
│ a   ┆ b   ┆ c   │
│ --- ┆ --- ┆ --- │
│ i64 ┆ i64 ┆ i64 │
╞═════╪═════╪═════╡
│ 30  ┆ 40  ┆ 50  │
└─────┴─────┴─────┘

简单解释下：pl.all()会选中DataFrame的所有列，.is_eq(0)检查每行的所有列是否都等于0，前面的~是取反操作，意思就是“保留那些不符合‘所有列都是0’的行”，完全贴合你的需求～

方法二：行求和过滤（适合非负数数据） #

如果你的数据里所有列都是非负数，还可以用行求和的方式来快速筛选：

filtered_df = df.filter(pl.sum_horizontal(pl.all()) != 0)

这个方法的逻辑是：计算每行所有列的数值和，如果和不等于0，就保留该行。不过要注意哦，如果行里存在正负数相加等于0的情况（比如a=2, b=-2, c=0），这个方法会错误地把该行删掉，所以只适合非负数数据集。

备注：内容来源于stack exchange，提问作者GH KIM