能否用Polars单链式调用实现计数与百分比计算？

问题 #

观察到Polars的其他示例中多数操作可通过单链式调用完成，请问能否用单链式调用实现下述示例的计数与百分比计算？是否存在简化方案？

原代码：

import polars as pl
scores = pl.DataFrame({
    'zone': ['North', 'North', 'North', 'South', 'East', 'East', 'East', 'East'],
    'score': [78, 39, 76, 56, 67, 89, 100, 55]
})

cnt = scores.group_by("zone").len()
cnt.with_columns(
    (100 * pl.col("len") / pl.col("len").sum())
    .round(2)
    .cast(str)
    .str.replace(r"$", "%")
    .alias("perc")
)

原输出：

shape: (3, 3)
┌───────┬─────┬───────┐
│ zone  ┆ len ┆ perc  │
│ ---   ┆ --- ┆ ---   │
│ str   ┆ u32 ┆ str   │
╞═══════╪═════╪═══════╡
│ South ┆ 1   ┆ 12.5% │
│ East  ┆ 4   ┆ 50.0% │
│ North ┆ 3   ┆ 37.5% │
└───────┴─────┴───────┘

解答 #

当然可以用单链式调用实现，而且有更简洁的简化方案：

1. 基础单链式调用

直接去掉中间变量cnt，把两步操作合并为一条链式调用：

import polars as pl
scores = pl.DataFrame({
    'zone': ['North', 'North', 'North', 'South', 'East', 'East', 'East', 'East'],
    'score': [78, 39, 76, 56, 67, 89, 100, 55]
})

(
    scores
    .group_by("zone")
    .len()
    .with_columns(
        (100 * pl.col("len") / pl.col("len").sum())
        .round(2)
        .cast(str)
        .str.replace(r"$", "%")
        .alias("perc")
    )
)

2. 简化百分比格式化

原代码中round+cast+str.replace的组合可以用pl.format函数一步完成，代码更简洁易读：

(
    scores
    .group_by("zone")
    .len()
    .with_columns(
        pl.format("{:.2f}%", 100 * pl.col("len") / pl.col("len").sum()).alias("perc")
    )
)

pl.format会自动完成四舍五入、数值转字符串、拼接百分号的操作，效果和原代码完全一致。

3. 更紧凑的聚合写法

如果想把计数和百分比计算放在同一个聚合步骤里，可以直接用agg方法：

(
    scores
    .group_by("zone")
    .agg(
        len=pl.len(),
        perc=pl.format("{:.2f}%", 100 * pl.len() / pl.len().sum())
    )
)

这种写法把所有计算逻辑都封装在分组聚合阶段，也是单链式调用的一种高效写法。

内容的提问来源于stack exchange，提问作者Vincent