Joindre des DataFrames par condition ou correspondance la plus proche

Transformation de données avec Polars

Liam Brannigan

Data Scientist & Polars Contributor

Jointure sur condition

Une seule table montrant les vainqueurs de la Coupe du monde

Jointure sur condition

Une table montrant les vainqueurs de la Coupe du monde et une table indiquant les victoires minimales pour les catégories argent et or.

Jointure sur condition

Une table montrant les vainqueurs de la Coupe du monde, une table montrant les niveaux et une table jointe des vainqueurs et des niveaux atteints

Jointure sur condition

Une table montrant les vainqueurs de la Coupe du monde, une table montrant les niveaux, et une table jointe des vainqueurs et niveaux atteints avec deux lignes pour le Brésil mises en évidence.

Utilisateurs de l’app avec préférences

restaurants = pl.read_csv("restuarants.csv")

shape: (4, 5)
| business        | location    | review | price | type       |
| ---             | ---         | ---    | ---   | ---        |
| str             | str         | f64    | i64   | str        |
|-----------------|-------------|--------|-------|------------|
| 7burgers        | Wakey Wakey | 4.2    | 15    | restaurant |
| Costa Coffee    | City Point  | 4.5    | 8     | café       |
| Costa Coffee    | Waterloo    | 4.1    | 8     | café       |
| The Queens Head | Denman St.  | 4.7    | 25    | bar        |

La table users

users = pl.read_csv("app_users.csv")

shape: (3, 3)
| user_name | budget | type       |
| ---       | ---    | ---        |
| str       | i64    | str        |
|-----------|--------|------------|
| Bob       | 12     | café       |
| Alice     | 15     | restaurant |
| Charlie   | 22     | bar        |

Jointure sur condition

restaurants.join_where(


)

Jointure sur condition

restaurants.join_where(
    users,

)

Jointure sur condition

restaurants.join_where(
    users,
    pl.col("type") == pl.col("type_right")
)

Jointure sur condition

restaurants.join_where(
    users,
    pl.col("type") == pl.col("type_right")
)

shape: (4, 8)
| business        | type       | ... | user_name | budget |
| ---             | ---        | ... | ---       | ---    |
| str             | str        | ... | str       | i64    |
|-----------------|------------|-----|-----------|--------|
| 7burgers        | restaurant | ... | Alice     | 15     |
| Costa Coffee    | café       | ... | Bob       | 12     |
| Costa Coffee    | café       | ... | Bob       | 12     |
| The Queens Head | bar        | ... | Charlie   | 22     |

Jointure sur plusieurs conditions

restaurants.join_where(
    users,
    pl.col("type") == pl.col("type_right"),
    pl.col("price") <= pl.col("budget")
)

shape: (3, 8)
| user_name | budget | business     | price | type       | ... |
| ---       | ---    | ---          | ---   | ---        | ... |
| str       | i64    | str          | i64   | str        | ... |
|-----------|--------|--------------|-------|------------|-----|
| Alice     | 15     | 7burgers     | 15    | restaurant | ... |
| Bob       | 12     | Costa Coffee | 8     | café       | ... |
| Bob       | 12     | Costa Coffee | 8     | café       | ... |

Jointure sur les valeurs les plus récentes

shape: (4, 3)
| business | date        | rating |
| ---      | ---         | ---    |
| str      | date        | i64    |
|----------|-------------|--------|
| 7burgers | 2025-03-15  | 5      |
| 7burgers | 2025-06-20  | 3      |
| 7burgers | 2025-09-10  | 4      |
| 7burgers | 2025-11-25  | 5      |

Objectif : associer chaque avis à l’inspection la plus pertinente

shape: (3, 4)
| user   | business | date       | score |
| ---    | ---      | ---        | ---   |
| str    | str      | date       | f64   |
|--------|----------|------------|-------|
| Charlie | 7burgers | 2025-05-01 | 3.8   |
| Bob     | 7burgers | 2025-08-01 | 4.2   |
| Alice   | 7burgers | 2025-12-01 | 4.5   |

Jointure sur les valeurs les plus récentes

reviews.sort("date").join_asof(



)

join_asof - jointure à une date donnée

Jointure sur les valeurs les plus récentes

reviews.sort("date").join_asof(
    inspections.sort("date"),


)

Jointure sur les valeurs les plus récentes

reviews.sort("date").join_asof(
    inspections.sort("date"),
    on="date",

)

Jointure sur les valeurs les plus récentes

reviews.sort("date").join_asof(
    inspections.sort("date"),
    on="date",
    strategy="backward"
)

| user    | date       | score | ... | rating |
| ---     | ---        | ---   | ... | ---    |
| str     | date       | f64   | ... | i64    |
|---------|------------|-------|-----|--------|
| Charlie | 2025-05-01 | 3.8   | ... | 5      |
| Bob     | 2025-08-01 | 4.2   | ... | 3      |
| Alice   | 2025-12-01 | 4.5   | ... | 5      |

Jointure sur la valeur la plus proche

reviews.sort("date").join_asof(
    inspections.sort("date"),
    on="date",
    strategy="nearest"
)

| user    | date       | score | ... | rating |
| ---     | ---        | ---   | ... | ---    |
| str     | date       | f64   | ... | i64    |
|---------|------------|-------|-----|--------|
| Charlie | 2025-05-01 | 3.8   | ... | 5      |
| Bob     | 2025-08-01 | 4.2   | ... | 4      |
| Alice   | 2025-12-01 | 4.5   | ... | 5      |

Choisir une stratégie

Schéma avec deux tables de séries temporelles, chacune avec deux lignes.

Choisir une stratégie - backward

Schéma avec deux tables de séries temporelles avec des flèches associant les deux lignes de gauche à la première ligne de droite.

Choisir une stratégie - nearest

Schéma avec deux tables de séries temporelles avec des flèches associant chaque ligne de gauche à la ligne correspondante de droite.

Choisir une stratégie - forward

Schéma avec deux tables de séries temporelles avec des flèches associant les deux lignes de gauche à la deuxième ligne de droite.

Correspondance par groupes

reviews.sort("date").join_asof(
    restaurants.sort("date"),
    on="date",

    by=["business", "location"]

)

| user    | business        | location    | date       | score | ... | rating |
| ---     | ---             | ---         | ---        | ---   | ... | ---    |
| str     | str             | str         | date       | f64   | ... | i64    |
|---------|-----------------|-------------|------------|-------|-----|--------|
| Charlie | 7burgers        | Wakey Wakey | 2025-05-01 | 3.8   | ... | null   |
| Bob     | Costa Coffee    | City Point  | 2025-05-01 | 4.0   | ... | 5      |
| Bob     | 7burgers        | Wakey Wakey | 2025-08-01 | 4.2   | ... | null   |
| Alice   | 7burgers        | Wakey Wakey | 2025-12-01 | 4.5   | ... | 4      |
| Alice   | The Queens Head | Denman St.  | 2025-12-01 | 4.7   | ... | 5      |

Passons à la pratique !

Transformation de données avec Polars