如何在 Polars 中实现一对一的最近邻匹配连接(避免右表行重复使用)

大瑶同学_5476

大瑶同学_5476

2026-11-20

750人浏览

原创

如何在 Polars 中实现一对一的最近邻匹配连接(避免右表行重复使用)

本文介绍如何在 Polars 中实现严格的一对一最近邻匹配连接:确保右 DataFrame 的每一行至多被左 DataFrame 的一个行匹配,彻底避免 join_asof(..., strategy="nearest") 中常见的右表行复用问题。

本文介绍如何在 polars 中实现严格的一对一最近邻匹配连接:确保右 dataframe 的每一行至多被左 dataframe 的一个行匹配,彻底避免 `join_asof(..., strategy="nearest")` 中常见的右表行复用问题。

在 Polars 中,join_asof 虽支持 "nearest" 策略,但其本质是“贪婪匹配”——每个左表行独立寻找全局最近的右表行,不考虑是否已被其他左表行占用。这导致右表行可能被多次复用(如示例中 B2 同时匹配 B1 和 C1),违背了一对一匹配需求。

要实现真正的一对一最近邻匹配(即“最优分配”语义),推荐采用归并排序 + 顺序配对策略:将左右表按关键列(如 numbers)合并排序,为每侧分配唯一序号,再通过序号一一对应完成连接。该方法时间复杂度为 O(n log n),高效且逻辑清晰。

✅ 推荐实现步骤

  1. 为左右表添加来源标识并合并排序
    使用 .merge_sorted()(要求输入已按 key 排序)或 .concat().sort()(更通用);同时添加 side 列区分来源。

  2. 生成左右表的独立递增 ID
    利用条件累积计数,分别为左、右表行分配严格单调递增的整数 ID(left_id, right_id),确保顺序与数值接近性一致。

  3. 基于 ID 进行等值连接
    将左右 ID 对齐,即可获得一一对应的匹配结果。

以下是完整可运行代码:

import polars as pl

df1 = pl.DataFrame({
    "letters": ["A1", "B1", "C1", "D1", "E1"],
    "numbers": [100, 200, 220, 400, 500]
})

df2 = pl.DataFrame({
    "letters": ["A2", "B2", "C2", "D2", "E2"],
    "numbers": [101, 201, 301, 401, 501]
})

# 步骤1:合并排序 + 标记来源
merged = (
    df1.with_columns(side=pl.lit("left"))
    .merge_sorted(
        df2.with_columns(side=pl.lit("right")), 
        key="numbers"
    )
)

# 步骤2:为左右行分别生成唯一序号(保持排序顺序)
with_ids = merged.with_columns(
    left_id = pl.when(pl.col("side") == "left").then(1).cum_sum(),
    right_id = pl.when(pl.col("side") == "right").then(1).cum_sum()
)

# 步骤3:按序号连接(一对一映射)
result = (
    with_ids.filter(pl.col("side") == "left")
    .join(
        with_ids.filter(pl.col("side") == "right"),
        left_on="left_id",
        right_on="right_id",
        how="left"
    )
    .select(
        "letters", "numbers",
        letters_right=pl.col("letters_right"),
        numbers_right=pl.col("numbers_right")
    )
)

print(result)

输出:

shape: (5, 4)
┌─────────┬─────────┬───────────────┬───────────────┐
│ letters ┆ numbers ┆ letters_right ┆ numbers_right │
│ ---     ┆ ---     ┆ ---           ┆ ---           │
│ str     ┆ i64     ┆ str           ┆ i64           │
╞═════════╪═════════╪═══════════════╪═══════════════╡
│ A1      ┆ 100     ┆ A2            ┆ 101           │
│ B1      ┆ 200     ┆ B2            ┆ 201           │
│ C1      ┆ 220     ┆ C2            ┆ 301           │
│ D1      ┆ 400     ┆ D2            ┆ 401           │
│ E1      ┆ 500     ┆ E2            ┆ 501           │
└─────────┴─────────┴───────────────┴───────────────┘

⚠️ 注意事项与适用边界

  • 前提条件:该方法隐含假设左右表在关键列上“大致一一对应”,且数量相等或接近。若右表远多于左表,末尾未匹配的右表行将被忽略;若左表更多,则末尾左表行无法匹配(结果行数 = min(len(df1), len(df2)))。
  • 排序敏感性:匹配结果完全依赖于合并后的物理顺序,因此 numbers 列需具备良好分布性。若存在大量重复值,建议先去重或添加次级排序键(如 numbers, letters)保证确定性。
  • 性能优势:相比暴力双重循环或图匹配算法,本方案仅需一次排序和两次扫描,适合百万级数据。
  • 扩展性:如需支持“距离阈值过滤”(例如只匹配差值 ≤100 的行),可在 merge_sorted 后添加 filter(abs(numbers - numbers_shifted) 等逻辑,但需谨慎处理窗口偏移。

此方法以简洁、可读、高性能的方式解决了 Polars 原生 API 中缺失的一对一最近邻连接能力,是生产环境中稳健可靠的实践方案。

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

2023.07.20

1971

4

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

2023.07.25

5604

7

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

2023.07.31

1909

3

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

2023.08.03

34297

23

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

4007

5

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

4007

5

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

1303

5

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.10

636

4

python是前端还是后端
python是前端还是后端

Python属于前端也属于后端,其灵活性和丰富的生态系统使得开发人员能够在不同的领域中灵活运用。本专题为大家提供python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

3123

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
phpStudy极速入门视频教程
phpStudy极速入门视频教程

共6课时 | 54.7万人学习

独孤九贱(4)_PHP视频教程
独孤九贱(4)_PHP视频教程

共89课时 | 134.3万人学习