トップ / 結合・集合演算

join

2つのDataFrameを結合します。

df1.join(df2, df1["id"] == df2["id"], how="inner")

ldf1.join(ldf2, on="id", how="inner")

挙動・設計の違い

SnowparkはINNER JOIN等のSQL演算に変換され、Snowflakeのオプティマイザが結合アルゴリズムを選びます。Polarsはローカルの最適化器がハッシュジョインなどを実行します。どちらも遅延評価の対象で、実際の結合は後段のアクション/collectまで行われません。

移行時の落とし穴

同名のキー列がある場合の挙動が違います。Snowparkは結合後に同名列が2つ残り、そのままではどちらの列か曖昧になってエラーになりやすいです。Polarsはon="id"のように結合キーを指定すると、そのキー列は1つに整理されます（実機で確認済み）。ただしキー以外の同名列は_rightのような接尾辞つきの別名で両方残ります。

結合・集合演算の他のメソッド

• union ── 2つのDataFrameを縦に連結し、重複行を取り除きます。
• union_all / unionAll ── 2つのDataFrameを縦に連結します。重複行はそのまま残します。
• union_by_name / unionByName ── 列の並び順ではなく列名を基準に2つのDataFrameを連結します。
• intersect ── 2つのDataFrameの両方に存在する行だけを残します（積集合）。
• subtract / except_ ── 片方のDataFrameから、もう片方にも存在する行を取り除きます（差集合）。
• join の how（結合の種類） ── inner/left/full/semi/anti など、結合の種類を切り替えます。

出典・検証情報

• Snowpark 公式リファレンス（join）
• Polars 公式リファレンス（join）

Polars 1.43.2 で実行確認 / Snowpark Python SDK 1.54.0 で静的検証（2026-08-23）