如何在DataFrame和Series之间进行逻辑运算？

Question

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df和x每列之间进行逻辑运算。 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

Answer 1

使用mul ，但是需要UserWarning为int然后转换为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使用'*'运算符，请使用'＆'而不支持[ op_str]））

另一个numpy解决方案与np.logical_and ：

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