Python Polars SQL接口多表连接触发InvalidOperationError求助

问题根源 #

你碰到的InvalidOperationError是Polars SQLContext在处理连续链式JOIN时的标识符解析逻辑问题：当直接按tbl_a -> tbl_b -> tbl_c的顺序用ON子句连接时，Polars错误地将第一个表tbl_a识别为第三个JOIN的左表，而非前两个表连接后的结果集。

最优解决方案：用子查询包装前两个表的连接结果 #

将前两个表的连接逻辑包装成子查询并指定别名，明确后续连接的左表对象，既能保留你期望的连接顺序和ON子句写法，又能彻底解决解析错误：

import polars as pl
ctx = pl.SQLContext({"dual": pl.DataFrame({"dummy": ["X"]})})
sql = """
select *
from (
    -- 把tbl_a和tbl_b的连接结果包装成子查询，指定别名ab
    select tbl_a.a, tbl_b.b
    from (select 123 a from dual) tbl_a
    inner join (select 123 a, 'value' b from dual) tbl_b
    on tbl_a.a = tbl_b.a
) ab
inner join (select 'value' b, 'value2' c from dual) tbl_c
on ab.b = tbl_c.b
"""
print(ctx.execute(sql, eager=True))

方案优势 #

• 完全保留原有的连接顺序（先关联tbl_a与tbl_b，再关联tbl_c）
• 无需改用USING子句，保持ON子句的逻辑明确性，避免列名一致带来的隐性关联风险
• 子查询写法符合常规SQL规范，逻辑清晰，后续维护成本低

补充说明 #

该问题属于Polars SQL解析器的特定场景bug，后续版本可能会修复，但当前用子查询包装的方式是最稳妥且符合SQL编写习惯的解决办法。

内容的提问来源于stack exchange，提问作者Chris du Plessis