如何根据可选函数参数对Polars DataFrame实现可选过滤？

我懂你现在的需求啦——想给Polars DataFrame做可选过滤，只有当传入的函数参数不是默认值时，才启用对应的过滤条件对吧？这种场景在实际业务里特别常见，咱们可以用很灵活的方式来实现，我给你一步步拆解。

首先看你的函数参数：ticker: str = '', strategy: str = '', iteration: int = -1，核心思路就是先收集需要生效的过滤条件，再把它们组合起来应用到DataFrame上。

实现步骤 #

1. 初始化一个空列表来存放要生效的过滤条件
2. 逐个检查参数，若参数不是默认值，就添加对应的Polars过滤表达式到列表中
3. 如果列表不为空，就把所有条件用**逻辑与（&）**组合起来（如果需要逻辑或就换成|），然后应用到DataFrame的filter方法里；如果列表为空，就返回原DataFrame

具体代码实现 #

基础版写法

import polars as pl

def filter_configs(self, ticker: str = '', strategy: str = '', iteration: int = -1):
    # 初始化过滤条件列表
    filters = []
    
    # 检查ticker参数，非默认值则添加过滤条件
    if ticker != '':
        filters.append(pl.col("ticker") == ticker)
    
    # 检查strategy参数
    if strategy != '':
        filters.append(pl.col("strategy") == strategy)
    
    # 检查iteration参数
    if iteration != -1:
        filters.append(pl.col("iteration") == iteration)
    
    # 应用过滤条件
    if filters:
        # 逐个组合所有条件（逻辑与）
        combined_condition = filters[0]
        for cond in filters[1:]:
            combined_condition = combined_condition & cond
        self.configs_df = self.configs_df.filter(combined_condition)
    
    return self.configs_df

简洁版（用functools.reduce简化条件组合）

如果觉得循环组合条件有点啰嗦，可以用functools.reduce来简化代码，逻辑和上面完全一致：

from functools import reduce
import polars as pl

def filter_configs(self, ticker: str = '', strategy: str = '', iteration: int = -1):
    filters = []
    
    if ticker != '':
        filters.append(pl.col("ticker") == ticker)
    if strategy != '':
        filters.append(pl.col("strategy") == strategy)
    if iteration != -1:
        filters.append(pl.col("iteration") == iteration)
    
    if filters:
        # 用reduce一次性组合所有条件
        self.configs_df = self.configs_df.filter(reduce(lambda a, b: a & b, filters))
    
    return self.configs_df

补充说明 #

• 这种方式扩展性极强，后续如果新增可选过滤参数，只需要加对应的if判断和条件表达式就行
• Polars的表达式是延迟计算的，这样组合条件不会带来额外性能损耗，效率很高
• 如果你的业务需要多个条件满足其一（逻辑或），只需要把代码中的&换成|即可

备注：内容来源于stack exchange，提问作者StuartM