Polars：如何统计两指定列均空/均非空的行计数及占比

需要实现类似以下SQL的分组统计功能：

SELECT
     Field_A
     ,COUNT(*) as Row_Count
     ,SUM(CASE WHEN FIELD_B IS NULL AND FIELD_C IS NULL THEN 1 ELSE 0 END) as Both_Null_Count

即按指定列分组后，统计每组的总行数，以及两列均为空或均已填充的行数，进而计算占比。

原代码问题分析 #

使用(pl.col(...) & pl.col(...)).count()会统计该布尔列的总行数（无论值为True/False），因此结果会和Row_Count完全一致，导致三列输出数值相同。

正确实现代码 #

df_all_cols = df_all_cols.group_by(lineage_fields)\
    .agg(
        pl.len().alias('Row_Count'),
        # 统计两列均为空的行数
        (pl.col('TRACKING').is_null() & pl.col('ORDER NUMBER').is_null()).sum().alias('Both_Null_Count'),
        # 统计两列均非空的行数
        (pl.col('TRACKING').is_not_null() & pl.col('ORDER NUMBER').is_not_null()).sum().alias('Both_NotNull_Count'),
        # 可选：计算均空行的占比
        ((pl.col('TRACKING').is_null() & pl.col('ORDER NUMBER').is_null()).sum() / pl.len()).alias('Both_Null_Ratio'),
        # 可选：计算均非空行的占比
        ((pl.col('TRACKING').is_not_null() & pl.col('ORDER NUMBER').is_not_null()).sum() / pl.len()).alias('Both_NotNull_Ratio')
    )

代码说明 #

• pl.len()：直接获取分组后的总行数，对应SQL中的COUNT(*)
• (condition).sum()：Polars中布尔值True等价于1，False等价于0，sum会累加所有符合条件（值为True）的行，完全对应SQL中SUM(CASE ...)的逻辑
• 占比计算：用符合条件的行数除以总行数，即可得到目标行的占比

内容的提问来源于stack exchange，提问作者DixieFlatline