在构建 Pandas DataFrame 时使用逻辑运算符答案

【问题标题】：Using logical operators in building a Pandas DataFrame在构建 Pandas DataFrame 时使用逻辑运算符
【发布时间】：2013-10-25 05:12:54
【问题描述】：

我有两个 sn-ps 的 pandas 代码，我认为它们应该是等效的，但第二个没有达到我的预期。

# snippet 1
    data = all_data[[((np.isfinite(all_data[self.design_metric][i]) 
                    and all_data['Source'][i] == 2)) 
                    or ((np.isfinite(all_data[self.actual_metric][i]) 
                    and all_data['Source'][i] != 2))
                    for i in range(len(all_data))]]


# snippet 2
    data = all_data[(all_data['Source'] == 2 &
                    np.isfinite(all_data[self.design_metric])) |
                    (all_data['Source'] != 2 &
                    np.isfinite(all_data[self.actual_metric]))]

每个部分（例如 all_data['Source'] == 2 ）都按照我的预期做，但似乎我对逻辑运算符做错了，因为最终结果与列表理解版本的结果不同。

【问题讨论】：

标签： python pandas logical-operators

【解决方案1】：

& 运算符比==（或任何比较运算符）绑定得更紧密。见the documentation。一个更简单的例子是：

>>> 2 == 2 & 3 == 3
False

这是因为它被分组为2 == (2 & 3) == 3，然后调用了比较链接。这就是您的情况。您需要在每个比较前后加上括号。

 data = all_data[((all_data['Source'] == 2) &
                np.isfinite(all_data[self.design_metric])) |
                ((all_data['Source'] != 2) &
                np.isfinite(all_data[self.actual_metric]))]

注意== 和!= 比较周围的额外括号。

【讨论】：

【解决方案2】：

除了优先级之外，AND 和 & 运算符之间也有区别，第一个是布尔值，后者是二进制位。此外，您必须了解布尔表达式。

请参阅以下 sn-p 中的示例：

逻辑表达式

>>> 1 and 2
1

>>> '1' and '2'
'1'

>>> 0 == 1 and 2 == 0 or 0
0

位运算符

>>> 1 & 2
0

>>> '1' & '2'
Traceback (most recent call last):
  ...
TypeError: unsupported operand type(s) for &: 'str' and 'str'

>>> 0 == 1 & 2 == 0 | 0
True

【讨论】：