如何检查Polars布尔型DataFrame的所有值是否均为True？

嘿，这个问题挺实用的！我来给你几种靠谱的方法，刚好适配你的场景——毕竟你的DataFrame里还可能混着null值，这细节可得处理好～

首先得明确：在Polars里，null既不是True也不是False，所以只要DataFrame里存在null或者False，就不符合“所有值都是True”的要求。咱们一步步来：

方法一：直接全量检查（最简洁） #

先把每个元素都判断是否严格为True（null和False都会被转成False），再整体检查所有结果是否都是True：

import polars as pl

# 你的示例DataFrame
df = pl.DataFrame({
    "a": [True, True, None],
    "b": [True, True, True],
})

# 核心代码
all_values_true = df.select(pl.all().is_true().all()).item()
print(all_values_true)  # 输出False，因为a列有个None

解释下：

• pl.all().is_true()：遍历所有列的每个元素，把True保留为True，False和null都转为False
• .all()：把整个DataFrame的结果聚合，判断是否全部为True
• .item()：把Polars的Series结果转成普通布尔值，方便直接使用

方法二：先查列再查整体（更清晰） #

如果你想先看看每一列的情况，再判断整体是否达标，可以分两步来：

# 先检查每一列是否全为True
column_check_results = df.select(pl.all().is_true().all())
# 再检查所有列的结果是否都是True
all_values_true = column_check_results.select(pl.all()).item()
print(all_values_true)  # 同样输出False

顺便解决你提到的小细节 #

你说df.select(pl.all() >= 1)会保留null，这确实是Polars的设计——比较操作中，null和任何值比较都会返回null。如果想生成布尔DataFrame时就把null转成False，加个fill_null(False)就行：

df = pl.DataFrame({
    "a": [1, 2, None],
    "b": [4, 5, 6],
})
# 处理null后的布尔DataFrame
bool_df = df.select((pl.all() >= 1).fill_null(False))
print(bool_df)

输出会变成：

shape: (3, 2)
┌───────┬───────┐
│ a     ┆ b     │
│ ---   ┆ ---   │
│ bool  ┆ bool  │
╞═══════╪═══════╡
│ true  ┆ true  │
│ true  ┆ true  │
│ false ┆ true  │
└───────┴───────┘

之后再用前面的方法检查全True就没问题啦～

备注：内容来源于stack exchange，提问作者mouwsy