如果您包含一个示例，以使其他人不必创建一个示例，这将很有帮助。

df = pl.DataFrame({
   "col1": ["A", "B", "C", "D"],
   "col2": ["A", "A", "C", "A"],
   "col3": ["A", "B", "A", "B"],
   "col4": [1, 2, 3, 4],
})

您正在选择字符串列pl.col(pl.Utf8)

>>> df.select(pl.col(pl.Utf8))
shape: (4, 3)
┌──────┬──────┬──────┐
│ col1 | col2 | col3 │
│ ---  | ---  | ---  │
│ str  | str  | str  │
╞══════╪══════╪══════╡
│ A    | A    | A    │
│ B    | A    | B    │
│ C    | C    | A    │
│ D    | A    | B    │
└──────┴──────┴──────┘

您可以将.n_unique()链接到pl.col()，以便仅在这些列上运行它。

>>> df.select(pl.col(pl.Utf8).n_unique() < 3)
shape: (1, 3)
┌───────┬──────┬──────┐
│ col1  | col2 | col3 │
│ ---   | ---  | ---  │
│ bool  | bool | bool │
╞═══════╪══════╪══════╡
│ false | true | true │
└───────┴──────┴──────┘

您可以循环此结果，并为每个true列提取.name。
没有.is_true()，但.all()是等效的。

>>> [ col.name for col in df.select(pl.col(pl.Utf8).n_unique() < 3) if col.all() ]
['col2', 'col3']

然后，您可以只选择这些列：

df.select(
   col.name for col in df.select(pl.col(pl.Utf8).n_unique() < 3) 
   if col.all())

shape: (4, 2)
┌──────┬──────┐
│ col2 | col3 │
│ ---  | ---  │
│ str  | str  │
╞══════╪══════╡
│ A    | A    │
│ A    | B    │
│ C    | A    │
│ A    | B    │
└──────┴──────┘

您可以通过执行melt后跟groupby来获取列的名称，但我不太确定如何将其转换为表达式

df = pl.DataFrame(
    {
        "val1": ["a", "b", "c"],
        "val2": ["d", "d", "d"],
    }
)
columns = (
    df.select(pl.col(pl.Utf8))
    .melt()
    .groupby("variable")
    .agg(pl.col("value").n_unique())
    .filter(pl.col("value") >= 3)
    .get_column("variable")
    .to_list()
)
df.select(columns)