如何在Python Polars中统计分组汇总的列空值（null）？

我用Python Polars创建了如下DataFrame：

import polars as pl

df = pl.DataFrame({
    'prod': ['apple','apple','banana','lemon','lemon','lemon'], 
    'price': [11, None, 14, 21, None, 23]
})

输出结果：

shape: (6, 2)
┌────────┬───────┐
│ prod   ┆ price │
│ ---    ┆ ---   │
│ str    ┆ i64   │
╞════════╪═══════╡
│ apple  ┆ 11    │
│ apple  ┆ null  │
│ banana ┆ 14    │
│ lemon  ┆ 21    │
│ lemon  ┆ null  │
│ lemon  ┆ 23    │
└────────┴───────┘

我尝试了以下代码，但没得到预期结果：

df.group_by('prod').agg(pl.count().alias('COUNT'),
                        pl.when(pl.col('price').is_null()).then(1).count().alias('NULLS')
                        ).sort(by='prod')

执行结果：

shape: (3, 3)
┌────────┬───────┬───────┐
│ prod   ┆ COUNT ┆ NULLS │
│ ---    ┆ ---   │
│ str    ┆ u32   ┆ u32   │
╞════════╪═══════╪═══════╡
│ apple  ┆ 2     ┆ 1     │
│ banana ┆ 1     ┆ 0     │
│ lemon  ┆ 3     ┆ 1     │
└────────┴───────┴───────┘

你的执行结果其实是正确的，但代码写法可以更简洁直观。以下是两种更符合Polars惯用逻辑的实现方式：

方法一：直接用is_null().sum() #

is_null()会返回布尔值序列（空值对应True，非空对应False），对其求和即可得到空值的数量：

df.group_by('prod').agg(
    pl.count().alias('COUNT'),
    pl.col('price').is_null().sum().alias('NULLS')
).sort(by='prod')

方法二：修正原有逻辑 #

你原代码中使用count()会统计所有行数，应该替换为sum()来统计符合条件的记录数：

df.group_by('prod').agg(
    pl.count().alias('COUNT'),
    pl.when(pl.col('price').is_null()).then(1).sum().alias('NULLS')
).sort(by='prod')

两种方法都会得到和你当前一致的正确结果。

内容的提问来源于stack exchange，提问作者lmocsi