Polars是否有轻量多列键过滤DataFrame的语法替代join操作？

Polars 原生支持类 PostgreSQL VALUES 式的多列匹配过滤，不需要编写冗长的 join 逻辑，语法和预期的简洁写法几乎一致。

核心实现方式是通过 pl.struct() 将需要匹配的多列打包为结构体，直接调用 is_in() 传入元组列表即可，执行效果和内连接/反连接完全等价：

• 正向匹配（等效内连接，保留键在目标集合内的行）：

import polars as pl
df = pl.DataFrame( 
    data = [
        ["x",123, 4.5, "misc"],
        ["y",456,10.0,"other"],
        ["z",789,99.5,"value"],
    ],
    schema = ["a","b","c","d"],
    orient = "row",
)

# 筛选(a,b)属于[('x',123),('y',456)]的行
df.filter(
    pl.struct("a", "b").is_in([("x", 123), ("y", 456)])
)

• 反向匹配（等效反连接，保留键不在目标集合内的行）：

# 筛选(a,b)不属于[('x',123),('y',456)]的行
df.filter(
    ~pl.struct("a", "b").is_in([("x", 123), ("y", 456)])
)

这种写法相比手动构造临时表做join有几个明显优势：

• 不需要手动对齐临时表的schema、指定join关联参数，代码更紧凑
• 匹配逻辑直接写在filter表达式中，可读性更强
• 底层由Polars做执行计划优化，性能和join实现没有差异
• 匹配规则严格遵循列传入顺序和元组元素位置的对应关系，和SQL的多列IN行为完全一致，不会出现列错位问题

该特性在 Polars 0.14 及以上版本均可稳定使用。

内容的提问来源于stack exchange，提问作者alexander-beedie