Polars中计算DataFrame分组百分比计数的最佳方法

你原来的写法逻辑成立，但存在冗余步骤，可以用Polars原生能力简化，同时获得更好的执行效率、降低代码出错概率。

方案1：最简写法（单字段占比统计首选） #

Polars内置的value_counts方法原生支持归一化占比计算，是这类单字段频次占比需求的最优选择，底层做了专门的计数性能优化：

import polars as pl

df = pl.DataFrame({"person": ["a", "a", "b"], 
                   "value": [1, 2, 3]})

result = df["person"].value_counts(normalize=True).rename({"proportion": "percent"})

运行后直接返回你需要的结果结构，和示例输出完全一致。

方案2：通用聚合写法（多指标计算场景适用） #

如果你需要在分组统计时同时计算其他聚合指标（比如同步统计value列的均值、总和等），可以用链式表达式完成全流程计算，不需要提前构造辅助列，也不需要手动维护总行数变量：

result = (
    df
    .group_by("person")
    .agg(
        pl.count().alias("cnt"),
        pl.col("value").mean().alias("value_avg") # 其他需要的聚合指标可直接追加
    )
    .with_columns(percent = pl.col("cnt") / pl.col("cnt").sum())
    .drop("cnt")
)

如果只需要统计占比不需要其他指标，还可以进一步简化：

result = (
    df
    .group_by("person")
    .agg(pl.count().alias("percent"))
    .with_columns(percent = pl.col("percent") / pl.col("percent").sum())
)

写法优势 #

• 不需要额外构造全1的辅助列，pl.count()直接统计分组行数，少了一步不必要的列计算逻辑
• 不需要提前手动计算、维护总行数变量，就算你在分组前加了过滤、去重等逻辑，占比计算会自动基于处理后的数据集生效，不会因为忘记更新总行数出现计算错误
• 所有逻辑在同一个表达式链中完成，符合Polars的惰性执行设计，Polars会自动优化执行计划，性能优于穿插Python层变量计算的写法

注意：Polars的group_by默认不会对结果排序，如果需要按占比降序、或者按分组字段排序，在最后追加对应的排序逻辑即可，比如.sort("percent", descending=True)。

内容的提问来源于stack exchange，提问作者mark0512