SQL ASOF JOIN explicado: asociar cada fila con el valor más reciente, en cada motor

Un join normal une filas cuando las claves son iguales. Muchas preguntas reales necesitan otra cosa: la fila con la marca de tiempo más reciente igual o anterior a otra. El precio de una acción en el momento de una compra. El tipo de cambio vigente el día de una factura. El plan del cliente cuando abrió una incidencia. Eso es un ASOF JOIN ("as of", es decir, "a fecha de"). Snowflake, DuckDB, ClickHouse y Polars lo tienen, y Apache Spark lo añadió en la versión 4.3. Esta guía explica la idea una vez y luego muestra la sintaxis en cada herramienta.

La idea, con un ejemplo

Usaremos siempre las mismas dos tablas pequeñas. Cada operación debe recibir la última cotización del mismo valor igual o anterior a la hora de la operación.

Fíjate en la operación 2: también hay una cotización a las 10:00:25, pero llegó después de la operación, así que no debe usarse. Y la operación 3 no tiene ninguna cotización anterior. Qué le pasa depende del tipo de join, la fuente de errores más habitual.

La sintaxis en cada motor

Todos los ejemplos de abajo devuelven los precios 10.0, 10.5, NULL y 20.0. Las versiones de DuckDB 2.0, Spark 4.3, Polars 2.1 y pandas 3.1 las ejecutamos nosotros.

SELECT t.trade_id, t.sym, t.ts, q.price
FROM trades t
ASOF JOIN quotes q
  MATCH_CONDITION (t.ts >= q.ts)
  ON t.sym = q.sym;

SELECT t.trade_id, t.sym, t.ts, q.price
FROM trades t
ASOF LEFT JOIN quotes q
  ON t.sym = q.sym AND t.ts >= q.ts;

SET spark.sql.join.asofJoin.enabled = true;

SELECT t.trade_id, q.price
FROM trades AS t
LEFT ASOF JOIN quotes AS q
  MATCH_CONDITION (t.ts >= q.ts)
  ON t.sym = q.sym;

import polars as pl

# DataFrame API: both frames sorted by the time column
result = trades.sort("ts").join_asof(
    quotes.sort("ts"), on="ts", by="sym", strategy="backward"
)

# SQL, Snowflake style (Polars 2.1+)
pl.SQLContext(trades=trades, quotes=quotes).execute("""
    SELECT trades.trade_id, price
    FROM trades
    ASOF JOIN quotes MATCH_CONDITION (trades.ts >= quotes.ts)
    ON trades.sym = quotes.sym
""").collect()

import pandas as pd

result = pd.merge_asof(
    trades.sort_values("ts"),
    quotes.sort_values("ts"),
    on="ts", by="sym",
    direction="backward",                # latest at or before
    tolerance=pd.Timedelta("10s"),       # optional: ignore stale quotes
)

SELECT t.trade_id, q.price
FROM trades AS t
ASOF LEFT JOIN quotes AS q
  ON t.sym = q.sym AND t.ts >= q.ts;

¿Sin ASOF JOIN? Usa esta alternativa

BigQuery y PostgreSQL no tienen la palabra clave ASOF, pero dos patrones dan la misma respuesta. En nuestras pruebas, los dos devolvieron resultados idénticos a las versiones ASOF.

-- QUALIFY version (WHERE TRUE is harmless and keeps BigQuery happy,
-- which has long asked for WHERE, GROUP BY or HAVING next to QUALIFY)
SELECT t.trade_id, q.price
FROM trades t
LEFT JOIN quotes q
  ON q.sym = t.sym AND q.ts <= t.ts
WHERE TRUE
QUALIFY ROW_NUMBER() OVER (PARTITION BY t.trade_id ORDER BY q.ts DESC) = 1;

-- LATERAL version (PostgreSQL)
SELECT t.trade_id, q.price
FROM trades t
LEFT JOIN LATERAL (
  SELECT price FROM quotes q
  WHERE q.sym = t.sym AND q.ts <= t.ts
  ORDER BY q.ts DESC
  LIMIT 1
) q ON TRUE;

Cuatro errores que evitar

Más SQL: los joins de SQL explicados, las funciones de ventana explicadas y la chuleta de SQL. Sobre las herramientas: novedades de Polars 2.1 y DuckDB 2.0.

Fuentes: documentación de Snowflake sobre ASOF JOIN; documentación de DuckDB, ClickHouse, pandas (merge_asof) y Polars (join_asof); notas de versión de Apache Spark 4.3.0 (30 de octubre de 2026). Ejemplos probados con DuckDB 2.0.0, PySpark 4.3.0, Polars 2.1.0 y pandas 3.1.0; la sintaxis de Snowflake, ClickHouse, BigQuery y PostgreSQL sigue su documentación.

Alessandro Ecclesie AgazziEscrito por Alessandro Ecclesie Agazzi, analytics engineer en Londres. Actualizado el 9 de noviembre de 2026. Sobre mí