Operações de Merge/Join — Pandas vs Polars

Imagine que você tem dois conjuntos de dados: um de clientes e outro de pedidos.
Para analisá-los juntos, será necessário realizar um join. Vamos ver como Pandas e Polars fazem isso.

Dados de exemplo

import pandas as pd
import polars as pl

clientes = pd.DataFrame({"id": [1, 2], "nome": ["Alice", "Bob"]})
pedidos = pd.DataFrame({"id": [1, 2], "valor": [100, 200]})

clientes_pl = pl.DataFrame({"id": [1, 2], "nome": ["Alice", "Bob"]})
pedidos_pl = pl.DataFrame({"id": [1, 2], "valor": [100, 200]})

Merge no Pandas

unido_pd = pd.merge(clientes, pedidos, on="id")
print(unido_pd)

#    id   nome  valor
# 0   1  Alice    100
# 1   2    Bob    200

Join no Polars

unido_pl = clientes_pl.join(pedidos_pl, on="id")
print(unido_pl)

# shape: (2, 3)
# ┌─────┬───────┬───────┐
# │ id  ┆ nome  ┆ valor │
# │ --- ┆ ---   ┆ ---   │
# │ i64 ┆ str   ┆ i64   │
# ╞═════╪═══════╪═══════╡
# │ 1   ┆ Alice ┆ 100   │
# │ 2   ┆ Bob   ┆ 200   │
# └─────┴───────┴───────┘

Conclusão

• Pandas: usa pd.merge() com várias opções (on, how, etc.).
• Polars: usa .join() com parâmetros semelhantes.
• Ambos são flexíveis, mas o Polars costuma ser mais rápido em grandes volumes.