在 Polars 中，不建议使用方括号 [ ] 来选择行和列的原因主要是性能和可读性方面的考虑。Polars 旨在提供高效的 DataFrame 操作，特别是在处理大型数据集时。使用方括号进行选择可能会导致性能下降，因为这涉及到额外的操作和潜在的数据复制。下面是几个具体的原因：

性能问题：

1. 数据复制：使用方括号选择单个列时，Polars 会复制整个列的数据，通常会创建临时的 DataFrame 或 Series，这导致不必要的内存使用和计算开销,导致不必要的内存分配和复制操作，从而影响性能
2. 效率较低：方括号语法可能不如其他专门设计的 API 方法（如 `.select()`、`.filter()` 等）那样直观易懂。这些方法提供了更清晰的方式来表达你的意图，并且随着库的发展，它们可能会得到优化以提供更好的性能。

 可读性和维护性：

1. 清晰性：使用 .select() 或 .filter() 等专门的函数可以使代码更具可读性，更容易理解。
2. 一致性：遵循 Polars 推荐的最佳实践和约定可以使代码更易于维护。

隐式转换：

1. 使用方括号语法选择单个列时，它会返回一个 Series 而不是一个 DataFrame。这可能会导致代码中出现意外的行为，特别是当你期望得到一个 DataFrame 但实际得到的是一个 Series 时。

明确性

1. Polars 的设计鼓励使用显式的函数调用来执行操作，这样可以更容易地追踪代码中的数据流动，并有助于避免潜在的错误。

示例

假设你有一个 DataFrame df，并且你想要选择其中的一列或几列：

使用方括号选择列 

# 使用方括号选择单个列
column_a = df['A']

# 使用方括号选择多个列
selected_columns = df[['A', 'B']]

使用 .select() 选择列

# 使用 .select() 选择单个列
column_a = df.select(pl.col('A'))

# 使用 .select() 选择多个列
selected_columns = df.select(['A', 'B'])

 选择行

对于选择行，Polars 提供了 .filter() 方法，这比使用方括号更高效： 

# 使用 .filter() 选择满足条件的行
filtered_df = df.filter(pl.col('A') > 10)

总结

• 使用 .select() 和 .filter() 等专门的方法通常比使用方括号更高效，尤其是在处理大数据集时。
• 使用这些专门的方法可以避免不必要的数据复制，并且可以使代码更易于理解和维护。
• 遵循 Polars 的最佳实践有助于编写出更高效、更可读的代码。

总的来说，虽然方括号选择在某些情况下仍然可用，但对于更高效和更易维护的代码，Polars 推荐使用 .select() 和 .filter() 等方法来选择列和行。