DataFrame和Series之间如何进行逻辑运算？答案

【问题标题】：How to do logical operation between DataFrame and Series?DataFrame和Series之间如何进行逻辑运算？
【发布时间】：2016-10-02 16:48:59
【问题描述】：

假设我有一个 bool DataFrame df 和一个 bool Series x 具有相同的索引，并且我想在每列 df 和 x 之间进行逻辑运算。与使用DataFrame.apply相比，有没有像DataFrame.sub这样的快捷方式？

In [31]: df
Out[31]: 
       x      y      z      u
A  False  False   True   True
B   True   True   True   True
C   True  False  False  False

In [32]: x
Out[32]: 
A     True
B    False
C     True
dtype: bool

In [33]: r = df.apply(lambda col: col & x) # Any other way ??

In [34]: r
Out[34]: 
       x      y      z      u
A  False  False   True   True
B  False  False  False  False
C   True  False  False  False

【问题讨论】：

标签： python pandas dataframe boolean logical-operators

【解决方案1】：

使用mul，但需要先转换为int，然后再转换为bool，因为UserWarning：

print (df.astype(int).mul(x.values, axis=0).astype(bool))
       x      y      z      u
A  False  False   True   True
B  False  False  False  False
C   True  False  False  False

类似的解决方案：

print (df.mul(x.astype(int), axis=0).astype(bool))
       x      y      z      u
A  False  False   True   True
B  False  False  False  False
C   True  False  False  False

print (df.mul(x.values, axis=0))
       x      y      z      u
A  False  False   True   True
B  False  False  False  False
C   True  False  False  False

C:\Anaconda3\lib\site-packages\pandas\computation\expressions.py:181: UserWarning: 在 Python 空间中进行评估，因为 numexpr 不支持 bool dtype 的 '*' 运算符，请使用 '&'反而不支持[op_str]))

np.logical_and 的另一个 numpy 解决方案：

print (pd.DataFrame(np.logical_and(df.values, x.values[:, None]), 
                                   index=df.index, 
                                   columns=df.columns))

       x      y      z      u
A  False  False   True   True
B  False  False  False  False
C   True  False  False  False

【讨论】：