如何用变量过滤Polars DataFrame？解决TypeError报错问题

Polars的filter()方法要求传入Polars表达式对象（比如pl.col('col1')>3），而不是字符串。你将表达式以字符串形式传入，Polars无法识别该格式，因此触发类型错误。下面是几种可行的解决办法：

方法1：直接使用表达式对象（推荐） #

不要把表达式存为字符串，直接构建Polars表达式变量：

import polars as pl
import pandas as pd

df = pd.DataFrame({'col1':[1,2,3,4,5], 'col2':[6,7,8,9,9], 'col3':[11,12,13,14,15]})
dp = pl.from_pandas(df)

# 定义表达式变量
filter_expr = pl.col('col1') > 3
dp.filter(filter_expr)  # 正常执行

复杂条件也可以直接组合表达式：

# 示例：col1>3 且 col2==9
filter_expr = (pl.col('col1') > 3) & (pl.col('col2') == 9)
dp.filter(filter_expr)

方法2：用eval()解析字符串表达式（仅安全场景使用） #

如果条件只能以字符串形式存在（比如从配置文件读取），可以用eval()将字符串转为表达式对象：

str_filter = "pl.col('col1')>3"
filter_expr = eval(str_filter)
dp.filter(filter_expr)  # 正常执行

⚠️ 注意：eval()存在安全风险，若字符串来自不可信来源，可能执行恶意代码，谨慎使用。

方法3：使用Polars的Expr.parse()（Polars 0.18.0+支持） #

Polars 0.18.0及以上版本提供了pl.Expr.parse()，可直接解析类SQL/pandas.query风格的字符串表达式：

str_filter = "col1 > 3"  # 无需写pl.col()
filter_expr = pl.Expr.parse(str_filter)
dp.filter(filter_expr)

复杂条件同样支持：

str_filter = "col1 > 3 and col2 == 9"
filter_expr = pl.Expr.parse(str_filter)
dp.filter(filter_expr)

总结 #

优先使用方法1直接操作表达式对象；若必须处理字符串，优先选择方法3（Polars原生解析，更安全），尽量避免使用eval()。

内容的提问来源于stack exchange，提问作者frank