Pandas是否支持基于不等式条件的Merge操作？

需求说明 #

你需要实现的SQL查询如下：

SELECT * FROM table1
LEFT JOIN table2
ON table1.columnX>=table2.columnY

注意：这里是基于>=的不等式连接，而非列值精确匹配。

你提到Pandas原生merge方法仅支持等值连接（如table1.columnX=table2.columnY），想了解当前Pandas版本是否支持不等式类的复杂连接，以及替代实现方案。

核心结论 #

截至Pandas 2.x版本，原生merge方法仍然不直接支持<、>、<=、>=、between这类不等式连接，仅支持等值匹配。不过可以通过以下几种方案实现需求：

方案1：利用merge_asof（适合有序列场景） #

如果table2的columnY是有序的（比如时间戳、数值序列），可以使用merge_asof实现左连接，匹配满足table1.columnX >= table2.columnY的最近记录：

import pandas as pd

# 先对右表按连接列排序（merge_asof要求右表必须有序）
table2_sorted = table2.sort_values('columnY')
# direction='backward'表示找到右表中<=左表值的最大匹配项
result = pd.merge_asof(
    table1, 
    table2_sorted, 
    left_on='columnX', 
    right_on='columnY', 
    direction='backward'
)

注意：该方法是一对一匹配，即左表每行仅匹配右表中符合条件的单个记录，若需要匹配所有符合条件的记录，此方法不适用。

方案2：笛卡尔积过滤（通用但需注意性能） #

这是传统的实现方式，先生成笛卡尔积再过滤条件，适合数据量较小的场景。可以通过临时键做笛卡尔积，再用query过滤：

import pandas as pd

# 添加临时键生成笛卡尔积
table1['tmp_key'] = 1
table2['tmp_key'] = 1
cartesian_df = table1.merge(table2, on='tmp_key').drop('tmp_key', axis=1)

# 过滤满足不等式条件的行
filtered_df = cartesian_df.query('columnX >= columnY')

# 转换为左连接：保留table1所有行，无匹配则填充NaN
result = table1.merge(filtered_df, how='left', on=table1.columns.tolist())

优化建议：如果数据量较大，可先对两个表做预过滤（比如筛选table2中columnY的最大值<=table1中columnX的最小值的部分），减少笛卡尔积的规模。

方案3：使用第三方库pyjanitor的conditional_join #

pyjanitor库提供了直接支持条件连接的conditional_join函数，语法更贴近SQL的不等连接逻辑：

import pandas as pd
from janitor import conditional_join

result = conditional_join(
    table1,
    table2,
    left_on='columnX',
    right_on='columnY',
    condition='>='
)

使用前需先安装库：pip install pyjanitor

内容的提问来源于stack exchange，提问作者Eugenio.Gastelum96