Polars 不支持类似 Pandas 的 df[boolean_mask] 语法进行行过滤，该操作会被错误解析为列选择；必须使用 .filter() 方法配合布尔数组或表达式才能安全、高效地实现行级筛选。
polars 不支持类似 pandas 的 `df[boolean_mask]` 语法进行行过滤，该操作会被错误解析为列选择；必须使用 `.filter()` 方法配合布尔数组或表达式才能安全、高效地实现行级筛选。
在 Polars 中，方括号索引（df[...]）的行为与 Pandas 有本质区别：它仅用于列选择（如按名称、位置或布尔数组选列），而非行过滤。当你传入一个长度为 n 的布尔列表（例如 [True, False, True]）时，Polars 会尝试用它从 df 的列中选出 n 个列——若 n 不等于实际列数，就会抛出类似 expected 5 values when selecting columns by boolean mask, got 3 的错误。这正是你遇到问题的根本原因。
✅ 正确做法是统一使用 .filter() 方法：
import polars as pl
# 示例数据
df = pl.DataFrame({
"name": ["Alice", "Bob", "Charlie", "Diana"],
"age": [25, 30, 35, 28],
"city": ["NYC", "LA", "Chicago", "Boston"]
})
# ✅ 方式1：直接传入布尔数组（长度必须等于行数）
mask = [True, False, True, False]
filtered_df = df.filter(mask)
print(filtered_df)
# ┌─────────┬─────┬─────────┐
# │ name │ age │ city │
# │ --- │ --- │ --- │
# │ str │ i64 │ str │
# ╞═════════╪═════╪═════════╡
# │ Alice │ 25 │ NYC │
# │ Charlie │ 35 │ Chicago │
# └─────────┴─────┴─────────┘
# ✅ 方式2：推荐——使用 Polars 表达式（惰性求值、性能更优、可优化）
filtered_df = df.filter(pl.col("age") > 27)
# ✅ 方式3：结合自定义逻辑（仍保持表达式链式风格）
filtered_df = df.filter(pl.col("name").str.lengths() > 4)
⚠️ 注意事项：
- 布尔掩码必须是 Python 列表、NumPy 数组或 Polars Series，且长度严格等于 DataFrame 行数；
- 避免使用
.map_elements()处理大规模数据（性能差），优先用原生表达式（如pl.col("x").is_in([...])、pl.col("y").str.contains(...)）； - 若掩码由外部计算生成（如 Scikit-learn 模型预测结果），请确保 dtype 为
bool，必要时显式转换：mask = pl.Series(mask).cast(pl.Boolean)。
总结：Polars 的设计哲学强调显式性与性能——.filter() 是唯一官方支持且语义明确的行过滤入口。放弃对 Pandas 风格 df[bool_mask] 的依赖，转而拥抱 filter() + 表达式，不仅能避免报错，更能获得查询优化、并行执行和内存效率等核心优势。
