Python 如何按row_idrow_number过滤数据帧

我希望根据类似于pyarrow.Table.take的数据帧的row_id/row_number获得行的子集.例如:给定以下数据帧

from datetime import datetime

df = pl.DataFrame(
    {
        "integer": [1, 2, 3, 4, 5],
        "date": [
            datetime(2022, 1, 1),
            datetime(2022, 1, 2),
            datetime(2022, 1, 3),
            datetime(2022, 1, 4),
            datetime(2022, 1, 5),
        ],
        "float": [4.0, 5.0, 6.0, 7.0, 8.0],
    }
)

print(df)

shape: (5, 3)
┌─────────┬─────────────────────┬───────┐
│ integer ┆ date                ┆ float │
│ ---     ┆ ---                 ┆ ---   │
│ i64     ┆ datetime[μs]        ┆ f64   │
╞═════════╪═════════════════════╪═══════╡
│ 1       ┆ 2022-01-01 00:00:00 ┆ 4.0   │
│ 2       ┆ 2022-01-02 00:00:00 ┆ 5.0   │
│ 3       ┆ 2022-01-03 00:00:00 ┆ 6.0   │
│ 4       ┆ 2022-01-04 00:00:00 ┆ 7.0   │
│ 5       ┆ 2022-01-05 00:00:00 ┆ 8.0   │
└─────────┴─────────────────────┴───────┘

我正在寻找采取像函数df. take([0，4])，它给出了下面的框架.

shape: (2, 3)
┌─────────┬─────────────────────┬───────┐
│ integer ┆ date                ┆ float │
│ ---     ┆ ---                 ┆ ---   │
│ i64     ┆ datetime[μs]        ┆ f64   │
╞═════════╪═════════════════════╪═══════╡
│ 1       ┆ 2022-01-01 00:00:00 ┆ 4.0   │
│ 5       ┆ 2022-01-05 00:00:00 ┆ 8.0   │
└─────────┴─────────────────────┴───────┘

行号是某个其他过程的结果，并被移交.try 使用df.select(pl.all().take([take_indices])，注意到它比实际直接运行筛选器慢.即df.filter(filter_expr).请注意，我正在对非常大的数据集(&gt；df.select(pl.all().take([take_indices])M行)执行此操作.

编辑:感谢您的回答.使用DF[[Take_Index]]起作用了.然而，仍然好奇的是，为什么Filter的性能仍然优于selt.ather和方括号方法.对我的具有5000万行的数据集进行计时:

Select .聚集:.5s 正方形_括号:.32s[与莫兹韦的计时一致] 过滤器:.18s