如何基于值列表筛选Polars DataFrame的行

嘿，我来帮你搞定这个问题！你已经会用单个值筛选Polars DataFrame了，那要基于值列表来筛选其实超简单，我给你分享两种常用的实用方法：

• 方法一：直接用is_in()做布尔索引
  这是最直接的方式，Polars的Series对象自带is_in()方法，专门用来检查元素是否属于某个列表，用法和你之前用单个值筛选的逻辑很像：

import polars as pl

df = pl.DataFrame({"a":[1, 2, 3], "b":[4, 3, 2]})
list_of_values = [1, 3]

# 用is_in()生成布尔索引，再筛选行
y = df[df["a"].is_in(list_of_values)]
print(y)

运行后你会得到想要的结果：

shape: (2, 2)
┌─────┬─────┐
│ a   ┆ b   │
│ --- ┆ --- │
│ i64 ┆ i64 │
╞═════╪═════╡
│ 1   ┆ 4   │
│ 3   ┆ 2   │
└─────┴─────┘

• 方法二：用filter()链式调用（更优雅）
  如果你习惯用Polars的链式语法，也可以用filter()方法配合pl.col()来写，这种写法在处理多条件筛选的时候可读性会更强：

y = df.filter(pl.col("a").is_in(list_of_values))

这段代码和方法一的效果完全一样，只是写法更贴合Polars的原生风格。

简单说下原理：is_in()会返回一个和原Series长度相同的布尔Series，Polars会根据这个布尔Series来保留对应为True的行，和你之前用df["a"] == 3筛选单个值的逻辑是一脉相承的～

备注：内容来源于stack exchange，提问作者GH KIM