嘿，我看了你遇到的问题啦，咱们来一步步拆解哪里出问题了，然后给你修正后的代码~

你的代码里的两个关键问题： #

• 没有保存with_columns的结果：Polars的DataFrame是不可变的，调用with_columns之后会返回一个新的DataFrame，你需要把它赋值给原变量或者新变量，否则原df不会有新增的Keep列。
• 过滤条件错误：你用了pl.col("Keep") is True，但在Python里is是用来判断两个对象是否是同一个身份，而不是值相等。在Polars中，布尔列本身就可以直接作为过滤条件，不需要额外判断是否等于True。

修正后的代码： #

import polars as pl
import numpy as np

df = pl.DataFrame(
    data={
        "a": [0.0, 0.0,    0.0,    0.0,    np.nan, np.nan, np.nan],
        "b": [0.0, 0.0,    np.nan, np.nan, 0.0,    0.0,    np.nan],
        "c": [0.0, np.nan, 0.0,    np.nan, 0.0,    np.nan, np.nan]
    }
)

# 先添加Keep列并保存结果
df = df.with_columns(
    ((pl.col('a').is_not_nan() | pl.col('b').is_not_nan())
     & pl.col('c').is_not_nan()).alias('Keep'))

# 直接用布尔列过滤，或者用== True也可以
df_actual = df.filter(pl.col("Keep"))
# 或者 df_actual = df.filter(pl.col("Keep") == True)

print("df\n", df)
print("df_actual\n", df_actual)

运行结果： #

输出的df_actual就会和你期望的df_expect一致：

shape: (3, 4)
┌─────┬─────┬─────┬──────┐
│ a   ┆ b   ┆ c   ┆ Keep │
│ --- ┆ --- ┆ --- ┆ ---  │
│ f64 ┆ f64 ┆ f64 ┆ bool │
╞═════╪═════╪═════╪══════╡
│ 0.0 ┆ 0.0 ┆ 0.0 ┆ true │
│ 0.0 ┆ NaN ┆ 0.0 ┆ true │
│ NaN ┆ 0.0 ┆ 0.0 ┆ true │
└─────┴─────┴─────┴──────┘

如果不需要保留Keep列，也可以直接在filter里写完整的逻辑，不用先加列：

df_actual = df.filter(
    ((pl.col('a').is_not_nan() | pl.col('b').is_not_nan())
     & pl.col('c').is_not_nan())
)

这样写更简洁，结果也是一样的~

备注：内容来源于stack exchange，提问作者Steve Maguire