带有“== True”和“is True”的表达式给出不同的结果

Question

我有以下MCVE：

#!/usr/bin/env python3                                           

import pandas as pd

df = pd.DataFrame([True, False, True])

print("Whole DataFrame:")
print(df)

print("\nFiltered DataFrame:")
print(df[df[0] == True])

输出如下，符合我的预期：

Whole DataFrame:
     0
  0  True
  1  False
  2  True

Filtered DataFrame:
     0
  0  True
  2  True

好的，但是 PEP8 样式似乎是错误的，它说：E712 与 True 的比较应该是 if cond is True 或 if cond。所以我把它改成了is True而不是== True，但现在它失败了，输出是：

Whole DataFrame:
    0
0   True
1  False
2   True

Filtered DataFrame:
0     True
1    False
2     True
Name: 0, dtype: bool

发生了什么事？

Answer 1

这里的问题是，在df[df[0] == True] 中，您没有将对象与True 进行比较。

正如其他答案所说，== 在pandas 中被重载以生成Series，而不是像通常那样生成bool。 [] 也被重载，以解释 Series 并给出过滤结果。代码本质上等同于：

series = df[0].__eq__(True)
df.__getitem__(series)

所以，将== 留在这里，您并没有违反 PEP8。

---

基本上，pandas 赋予熟悉的语法不寻常的语义——这就是造成混乱的原因。

According to Stroustroup (sec.3.3.3)，自发明以来，运算符重载就一直因此而引起麻烦（他不得不认真考虑是否将其包含到 C++ 中）。 Seeing even more abuse of it in C++，Gosling 在 Java 中跑到了另一个极端，完全禁止它，而事实证明这正是一个极端。

因此，现代语言和代码往往会出现运算符重载，但要密切注意不要过度使用它，并确保语义保持一致。

Answer 2

在 python 中，is 测试一个对象是否与另一个相同。 == 由 pandas.Series 定义以按元素行事，is 不是。

因此，df[0] is True 比较 df[0] 和 True 是否是同一个对象。结果是False，又等于0，所以你在做df[df[0] is True]时得到0列

Answer 3

没有来自 linter 的抱怨但仍然合理的子设置语法的一种解决方法可能是：

s = pd.Series([True] * 10 + [False])

s.loc[s == True]  # bad comparison in Python's eyes
s.loc[s.isin([True])]  # valid comparison, not as ugly as s.__eq__(True)

两者也需要相同的时间。

此外，对于数据帧，可以使用query：

df = pd.DataFrame([
        [True] * 10 + [False],
        list(range(11))],
    index=['T', 'N']).T
df.query("T == True")  # also okay

Answer 4

我认为在pandas 中比较只适用于==，结果是boolean Series。 is 的输出是 False。更多关于is的信息。

print df[0] == True
0     True
1    False
2     True
Name: 0, dtype: bool

print df[df[0]]
      0
0  True
2  True

print df[df[0] == True]
      0
0  True
2  True

print df[0] is True
False

print df[df[0] is True]
0     True
1    False
2     True
Name: 0, dtype: bool

Answer 5

这是对 MaxNoe 答案的详细说明，因为包含 在 cmets 中。

正如他所指出的，df[0] is True 的计算结果为 False，然后被强制 到0，它对应于一个列名。有趣的是 如果你运行

>>>df = pd.DataFrame([True, False, True])
>>>df[False]
KeyError                                  Traceback (most recent call last)
<ipython-input-21-62b48754461f> in <module>()
----> 1 df[False]

>>>df[0]
0     True
1    False
2     True
Name: 0, dtype: bool
>>>df[False]
0     True
1    False
2     True
Name: 0, dtype: bool

起初这似乎有点令人困惑（至少对我而言），但与如何 pandas 使用缓存。如果你看看df[False] 是如何解决的，它 看起来像

  /home/matthew/anaconda/lib/python2.7/site-packages/pandas/core/frame.py(1975)__getitem__()
-> return self._getitem_column(key)
  /home/matthew/anaconda/lib/python2.7/site-packages/pandas/core/frame.py(1999)_getitem_column()
-> return self._get_item_cache(key)
> /home/matthew/anaconda/lib/python2.7/site-packages/pandas/core/generic.py(1343)_get_item_cache()
-> res = cache.get(item)

由于cache 只是一个普通的python dict，在运行df[0] 之后cache 看起来像

>>>cache
{0: 0     True
1    False
2     True
Name: 0, dtype: bool}

所以当我们查找 False 时，python 会将其强制转换为 0。如果我们没有 已经使用df[0] 准备好缓存，然后res 是None，它会触发一个 KeyErrorgeneric.py 的第 1345 行

def _get_item_cache(self, item):
1341            """Return the cached item, item represents a label indexer."""
1342            cache = self._item_cache
1343 ->         res = cache.get(item)
1344            if res is None:
1345                values = self._data.get(item)