SQL ASOF JOIN expliqué : associer chaque ligne à la valeur la plus récente, dans chaque moteur

Une jointure normale associe des lignes quand les clés sont égales. Beaucoup de vraies questions demandent autre chose : la ligne avec l'horodatage le plus récent égal ou antérieur à un autre horodatage. Le prix d'une action au moment d'un achat. Le taux de change en vigueur le jour d'une facture. L'offre du client quand il a ouvert un ticket. C'est un ASOF JOIN (« as of », c'est-à-dire « à la date de »). Snowflake, DuckDB, ClickHouse et Polars le proposent, et Apache Spark l'a ajouté dans la version 4.3. Ce guide explique l'idée une fois, puis montre la syntaxe dans chaque outil.

L'idée, avec un exemple

Nous utiliserons partout les deux mêmes petites tables. Chaque transaction doit recevoir la dernière cotation du même titre égale ou antérieure à l'heure de la transaction.

Regardez la transaction 2 : il existe aussi une cotation à 10:00:25, mais elle est arrivée après la transaction, donc elle ne doit pas servir. Et la transaction 3 n'a aucune cotation antérieure. Ce qui lui arrive dépend du type de jointure, la source d'erreurs la plus fréquente.

La syntaxe dans chaque moteur

Chaque exemple ci-dessous renvoie les prix 10.0, 10.5, NULL et 20.0. Nous avons exécuté nous-mêmes les versions DuckDB 2.0, Spark 4.3, Polars 2.1 et pandas 3.1.

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;

Pas d'ASOF JOIN ? Utilisez cette solution de repli

BigQuery et PostgreSQL n'ont pas de mot-clé ASOF, mais deux schémas donnent la même réponse. Dans nos tests, les deux ont renvoyé des résultats identiques aux versions 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;

Quatre erreurs à éviter

Plus de SQL : les jointures SQL expliquées, les fonctions de fenêtre expliquées et l'aide-mémoire SQL. Sur les outils : les nouveautés de Polars 2.1 et DuckDB 2.0.

Sources : documentation de Snowflake sur ASOF JOIN ; documentation de DuckDB, ClickHouse, pandas (merge_asof) et Polars (join_asof) ; notes de version d'Apache Spark 4.3.0 (30 octobre 2026). Exemples testés avec DuckDB 2.0.0, PySpark 4.3.0, Polars 2.1.0 et pandas 3.1.0 ; la syntaxe de Snowflake, ClickHouse, BigQuery et PostgreSQL suit leur documentation.

Alessandro Ecclesie AgazziÉcrit par Alessandro Ecclesie Agazzi, analytics engineer à Londres. Mis à jour le 9 novembre 2026. À propos