合并Polars DataFrame时忽略on列中的重复值

默认的join操作会匹配所有具有相同连接键的行，因此当A列存在重复值时，会产生笛卡尔积（2×2=4行）。要实现按行对应合并的需求，可以通过以下两种方法解决：

方法1：添加临时行索引列进行连接 #

给两个DataFrame添加唯一的行索引列，将其与A列共同作为连接键，确保每行仅匹配对应位置的行：

import polars as pl

df1 = pl.DataFrame({"A": [1, 1], "B": [3, 4]}).with_row_index("_temp_idx")
df2 = pl.DataFrame({"A": [1, 1], "C": [5, 6]}).with_row_index("_temp_idx")

result = df1.join(df2, on=["A", "_temp_idx"]).drop("_temp_idx")

执行后result的输出为：

shape: (2, 3)
┌─────┬─────┬─────┐
│ A   ┆ B   ┆ C   │
│ --- ┆ --- ┆ --- │
│ i64 ┆ i64 ┆ i64 │
╞═════╪═════╪═════╡
│ 1   ┆ 3   ┆ 5   │
│ 1   ┆ 4   ┆ 6   │
└─────┴─────┴─────┘

方法2：直接横向拼接（hstack） #

如果可以确保两个DataFrame的行数完全相同且行顺序严格对应，可以直接使用hstack将两表横向拼接，无需执行连接操作：

result = df1.hstack(df2.select("C"))

该方法更简洁，适合行序完全匹配的场景。

内容的提问来源于stack exchange，提问作者vinnewbie