讲师中心 微信公众号

工具推荐

视频效率加速
剧云
剧云

中文短剧剧本制作平台

立刻MV
立刻MV

低成本歌曲 MV、视频生成

AniShort
AniShort

AI短剧协同制作平台

Laper
Laper

剧本策划到成片协作

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

发布时间:2026-11-20 16:44:10

|

246人浏览过

|

来源于php中文网

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。

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

热门AI工具

更多
切问学术

切问学术是一款AI论文写作工具,复旦大学NLP团队推出的AI学术智能体。

VibeKnow
VibeKnow Hot

一款AI视频创作工具,主要用于全球首个AI知识视频创作平台,文档、文章、网页,一键生成视频,适合需要提升相关任务效率的用户。

咔片AIPPT

一款在线AI演示文稿制作工具,可根据主题和内容需求辅助生成PPT结构与页面,提高演示材料制作效率。

豆包大模型

豆包大模型是一款由字节跳动推出的企业级大语言模型服务平台。

墨刀AI
墨刀AI Hot

一款AI图像与设计工具,主要用于产品经理的专属智能体,适合需要提升相关任务效率的用户。

DeepSeek

DeepSeek是一款面向对话、写作、编程和推理场景的AI大模型工具。

WorkBuddy

一款AI办公效率工具,主要用于腾讯云推出的AI原生桌面智能体工作台,适合需要提升相关任务效率的用户。

讯飞智文

一款面向学习和办公场景的AI文档创作工具,可辅助生成PPT与Word文档,提高资料整理和内容制作效率。

Atoms
Atoms Hot

Atoms是一款AI智能体工具,第一支自动构建真实业务的 AI 团队。

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。

1971

2023.07.20

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。

5604

2023.07.25

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。

1909

2023.07.31

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。

34337

2023.08.03

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。

4007

2023.08.04

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。

4027

2023.08.04

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。

1303

2023.08.11

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。

636

2023.08.10

Nginx CVE-2026-123007排查与防护指南
Nginx CVE-2026-123007排查与防护指南

Nginx HTTP/2漏洞该怎么修复?本专题围绕CVE-2026-123007,介绍安全版本升级、模块兼容检查和配置恢复方法,以及日志排查、权限设置等后续加固操作,方便你按实际部署情况查找对应教程。

0

2026.11.20

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
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn