如何在 Polars 中实现“一对一”最近匹配连接(避免右表行重复使用)

风辰姑娘_8603

风辰姑娘_8603

2026-11-20

246人浏览

原创

如何在 Polars 中实现“一对一”最近匹配连接(避免右表行重复使用)

本文介绍在 Polars 中实现严格一对一的最近值匹配连接:确保右表每一行最多被左表一个行匹配,彻底规避 join_asof(..., strategy="nearest") 中右表行被多次复用的问题。

本文介绍在 polars 中实现严格一对一的最近值匹配连接:确保右表每一行最多被左表一个行匹配,彻底规避 `join_asof(..., strategy="nearest")` 中右表行被多次复用的问题。

在 Polars 中,join_asof 的 strategy="nearest" 虽能高效完成近似数值匹配,但其默认行为是无约束匹配——即右表(other)中某一行可被多个左表行重复匹配(如示例中 "B2" 同时匹配 "B1" 和 "C1")。而实际业务场景(如订单分配、传感器配对、实验组对照)常要求一一对应:每个右表记录仅服务一个左表目标,且整体匹配误差总和最小。

解决该问题的核心思路是:将两表按关键列合并排序后,通过有序遍历建立唯一配对索引,而非依赖内置连接逻辑。以下是推荐的高效、可读性强的三步法:

✅ 步骤 1:合并排序并标记来源

首先为左右表添加标识列(side),再使用 merge_sorted(要求输入已按 numbers 排序;若未排序,可用 concat().sort("numbers") 替代):

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]
})

merged = (
    df1.with_columns(side=pl.lit("left"))
    .merge_sorted(
        df2.with_columns(side=pl.lit("right")), 
        key="numbers"
    )
    .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()
    )
)

⚠️ 注意:merge_sorted 要求两表均已按 key 列升序排列。若原始数据无序,请先分别调用 .sort("numbers"),或改用 pl.concat([df1, df2]).sort("numbers")。

✅ 步骤 2:生成一对一映射关系

此时 left_id 和 right_id 已为每行赋予全局唯一序号(按 numbers 值顺序递增)。由于两表长度相同且数值接近,理想配对即 left_id == right_id —— 这正是“按序一一对应”的数学本质:

letters numbers side left_id right_id
A1 100 left 1 null
A2 101 right null 1
B1 200 left 2 null
B2 201 right null 2
C1 220 left 3 null
C2 301 right null 3
... ... ... ... ...

可见:A1 ↔ A2, B1 ↔ B2, C1 ↔ C2, D1 ↔ D2, E1 ↔ E2 自然形成最小累积误差的一对一匹配。

✅ 步骤 3:执行内连接完成配对

最后,基于 left_id 和 right_id 进行等值连接,提取所需字段:

result = (
    merged.filter(pl.col("side") == "left")
    .join(
        merged.filter(pl.col("side") == "right"),
        left_on="left_id",
        right_on="right_id",
        how="inner"
    )
    .select(
        pl.col("letters").alias("letters_left"),
        pl.col("numbers").alias("numbers_left"),
        pl.col("letters_right").alias("letters_right"),
        pl.col("numbers_right").alias("numbers_right")
    )
)

print(result)

输出:

shape: (5, 4)
┌──────────────┬────────────────┬───────────────┬─────────────────┐
│ letters_left ┆ numbers_left   ┆ 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             │
└──────────────┴────────────────┴───────────────┴─────────────────┘

? 关键优势与注意事项

  • 确定性最优:在两表长度相等且数值分布相近时,该方法等价于贪心匹配,保证全局最小化绝对差之和;
  • 时间复杂度低:merge_sorted 为 O(n+m),远优于暴力双重循环(O(n×m));
  • 扩展灵活:若右表更长,可保留前 len(df1) 个 right_id;若左表更长,需截断或填充 null;
  • 不依赖索引:全程基于值排序,避免原始行序干扰;
  • ⚠️ 重要限制:该方案隐含假设两表在 numbers 维度上“大致对齐”。若存在显著偏移(如 df2.numbers 全体比 df1 大 1000),需先做预筛选或引入距离阈值过滤。

综上,通过 merge_sorted + 累计序号 + 等值连接 的组合策略,即可在 Polars 中稳健、高效地实现真正的一对一最近匹配,完美替代 join_asof 的复用缺陷。

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

34337

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

4027

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