Polars join_asof含重复by值返回错误结果的问题咨询

• 核心问题：Polars 的 join_asof 有个硬性要求——左右两个 DataFrame 必须先按**分组字段（你指定的 title1/title2）和连接数值字段（year1/year2）**升序排序，否则匹配逻辑会完全偏离预期。
• 你的场景具体问题：
  • 要么是 df1 里的 abc 组没有按 year1 升序排列（比如 2016 行排在 2000 行后面），要么是 df2 里的 abc 组没有按 year2 升序排列（比如 2018 行排在 2001 行前面）。
  • join_asof 是基于行的遍历顺序来找最近值的，不是全局数值匹配。比如如果 df2 的 abc 组里 2018 行在前、2001 行在后，当处理 df1 的 2000 行时，程序只会从 df2 已经扫过的行（也就是 2018）里找最近值，不会往后看 2001 那一行，结果自然就错配了。
• 解决办法：
  1. 先给 df1 按分组和连接字段排序：

     df1 = df1.sort(["title1", "year1"])
     

  2. 再给 df2 做同样的排序：

     df2 = df2.sort(["title2", "year2"])
     

  3. 重新执行你的 join_asof 操作，就能得到预期的匹配结果了。

内容的提问来源于stack exchange，提问作者Elis Evans