如何正确提取 Polars DataFrame 中所有符合条件的重复行？

给定一个极点数据框，我想提取所有重复的行，同时应用额外的过滤条件，例如：

import polars as pl

df = pl.DataFrame({
    "name": ["Alice", "Bob", "Alice", "David", "Eve", "Bob", "Frank"],
    "city": ["NY", "LA", "NY", "SF", "LA", "LA", "NY"],
    "age": [25, 30, 25, 35, 28, 30, 40]
})

# Trying this:
df.filter((df.is_duplicated()) & (pl.col("city") == "NY"))  # error

然而，这会导致错误：

SchemaError：无法将一系列类型解包object为bool

这暗示着df.is_duplicated()返回一系列类型object，但实际上，它是一个Boolean系列。

令人惊讶的是，通过将表达式放在第一位来重新排序谓词可以使其起作用（但为什么呢？）：
df.filter((pl.col("city") == "NY") & (df.is_duplicated())) # works!正确输出：

shape: (2, 3)
┌───────┬──────┬─────┐
│ name  ┆ city ┆ age │
│ ---   ┆ ---  ┆ --- │
│ str   ┆ str  ┆ i64 │
╞═══════╪══════╪═════╡
│ Alice ┆ NY   ┆ 25  │
│ Alice ┆ NY   ┆ 25  │
└───────┴──────┴─────┘

我理解，根据列的子集过滤重复项时的最佳方法是使用pl.struct，例如：
df.filter((pl.struct(df.columns).is_duplicated()) & (pl.col("city") == "NY")) # works
它可以与附加过滤条件配合使用。

但是，我故意不使用pl.struct，因为我的实际数据框有 40 列，并且我想根据除三列之外的所有列检查重复的行，因此我执行了以下操作：
df.filter(df.drop("col1", "col2", "col3").is_duplicated()) 这可以正常工作，并且比将所有 37 列都写入 方便得多pl.struct。但是，在右侧添加额外的过滤条件时，这种情况会中断，但在左侧不会中断：

df.filter(
    (df.drop("col1", "col2", "col3").is_duplicated()) & (pl.col("col5") == "something")
    )  # breaks!

df.filter(
    (pl.col("col5") == "something") & (df.drop("col1", "col2", "col3").is_duplicated())
    )  # works!

在这种情况下，为什么谓词的顺序（序列与表达式 vs. 表达式与序列）很重要.filter()？这是 Polars 的预期行为，还是一个 bug？