如何在Polars DataFrame中无需遍历列即可统计每列的空值数量？

当然有更省心的方法！Polars自带了专门的聚合函数，能一次性统计所有列的空值数量，不管是普通DataFrame还是LazyFrame都能用，完全不用手动循环遍历列，效率和简洁性都拉满。

1. 针对普通DataFrame的解决方案 #

直接调用null_count()方法就可以一步到位，代码示例如下：

import polars as pl

d = {"foo":[1,2,3, None], "bar":[4,None, None, 6]}
df_polars = pl.from_dict(d)

# 一键统计所有列的空值数量
null_count_df = df_polars.null_count()
print(null_count_df)

运行后会得到一个包含空值统计结果的DataFrame：

shape: (1, 2)
┌─────┬─────┐
│ foo ┆ bar │
│ --- ┆ --- │
│ u32 ┆ u32 │
╞═════╪═════╡
│ 1   ┆ 2   │
└─────┴─────┘

如果需要转成字典格式，只需要再做一步转换：

null_count_dict = dict(null_count_df.to_dict(as_series=False))
print(null_count_dict)  # 输出: {'foo': 1, 'bar': 2}

2. 针对LazyFrame的解决方案 #

如果用的是LazyFrame，也完全不用分块collect()，直接在LazyFrame上调用null_count()，最后统一执行collect()即可，避免了循环中多次收集数据的性能损耗：

# 创建LazyFrame
lazy_df = pl.from_dict(d).lazy()

# 先定义统计逻辑，最后统一收集结果
null_count_lazy = lazy_df.null_count().collect()
print(null_count_lazy)

输出结果和普通DataFrame的场景完全一致，而且Polars会自动优化查询计划，处理大数据时效率比循环方法高很多。

为什么这个方法更好？ #

• 简洁性：一行代码替代循环逻辑，可读性更强，不容易出错
• 性能优势：Polars的内置函数是向量化操作，比Python层面的循环快得多，尤其是数据量较大时
• LazyFrame友好：不需要拆分查询多次collect()，能充分利用Polars的延迟执行优化能力

备注：内容来源于stack exchange，提问作者alvas