如何计算Polars数据框中A=True与A=False的行数比值？

我有一个Polars数据框：

import polars as pl
import numpy as np

df = pl.DataFrame(
    {
        "nrs": [1, 2, 3, None, 5],
        "names": ["foo", "ham", "spam", "egg", None],
        "random": np.random.rand(5),
        "A": [True, True, False, False, False],
    }
)

如何计算A==True的行数与A==False的行数之间的比值？已知A的值始终为True或False。我自己找到一个解决方案，但感觉有点繁琐：

ntrue = df.filter(pl.col('A')==1).shape[0]
ratio = ntrue/(df.shape[0]-ntrue)

更简洁的实现方式 #

可以利用Polars原生聚合函数直接计算，避免多次遍历数据框，效率和可读性都更好：

方法一：基于求和与计数的基础写法

布尔值在数值计算中会被自动转换为1（True）和0（False），因此直接对A列求和就能得到True的数量，再用总行数减去该值得到False的数量：

true_count = df.select(pl.col("A").sum()).item()
total_count = df.height
false_count = total_count - true_count
ratio = true_count / false_count

方法二：用value_counts直接统计

通过value_counts一次性获取True和False的计数，再提取计算比值：

counts = df.select(pl.col("A").value_counts()).to_dict(as_series=False)["A"][0]
true_count = next(item["count"] for item in counts if item["A"])
false_count = next(item["count"] for item in counts if not item["A"])
ratio = true_count / false_count

方法三：单行聚合计算

最简洁的写法，直接在聚合操作中完成比值计算：

ratio = df.select(
    (pl.col("A").sum() / (pl.col("A").count() - pl.col("A").sum()))
).item()

这些方法更贴合Polars的设计逻辑，处理大数据框时能避免多次过滤和读取形状的额外开销。

内容的提问来源于stack exchange，提问作者DeltaIV