Polars：分组统计时如何保留cut生成的所有分箱（含空值）

核心思路 #

要实现分箱后保留0-100步长10的全部区间，无数据分箱计数为null，关键是先定义完整的分箱集合，再通过左连接补全无数据的分箱。

代码实现 #

1. 导入Polars并创建示例DataFrame

import polars as pl

# 示例数据：仅包含部分区间的数值
df = pl.DataFrame({
    "a": [5, 12, 25, 33, 55, 70, 95]
})

2. 生成完整分箱并添加分箱列
   手动指定0-100、步长10的分箱边界，确保cut方法生成我们需要的所有区间：

# 定义分箱边界：0,10,...,100
bins = list(range(0, 101, 10))

# 对列a分箱，得到cut_a列
df_with_cut = df.with_columns(
    cut_a=pl.col("a").cut(bins=bins, include_lowest=True)
)

3. 创建包含所有分箱的基准表
   生成一个包含所有目标分箱的DataFrame，作为后续补全的基准：

all_bins_df = pl.DataFrame({
    "cut_a": pl.cut(pl.Series(bins[:-1]), bins=bins, include_lowest=True).unique()
})

4. 分组统计并补全无数据分箱
   先统计有数据分箱的数量，再通过左连接基准表，保留所有分箱并将无数据分箱的计数设为null：

# 统计有数据的分箱数量
count_df = df_with_cut.group_by("cut_a").agg(
    count=pl.count()
)

# 左连接补全所有分箱
result = all_bins_df.join(count_df, on="cut_a", how="left")

# 输出结果
print(result)

输出示例 #

shape: (10, 2)
┌─────────────┬───────┐
│ cut_a       ┆ count │
│ ---         ┆ ---   │
│ interval[i64] ┆ i64   │
╞═════════════╪═══════╡
│ [0, 10)     ┆ 1     │
│ [10, 20)    ┆ 1     │
│ [20, 30)    ┆ 1     │
│ [30, 40)    ┆ 1     │
│ [40, 50)    ┆ null  │
│ [50, 60)    ┆ 1     │
│ [60, 70)    ┆ null  │
│ [70, 80)    ┆ 1     │
│ [80, 90)    ┆ null  │
│ [90, 100]   ┆ 1     │
└─────────────┴───────┘

内容的提问来源于stack exchange，提问作者blaylockbk