為什么〜True在熊貓數據框條件下不起作用

Question

我正在嘗試使用開關來打開和關閉熊貓數據框中的條件。 開關只是布爾變量，可以是 True 或 False。 問題是 ~True 不會像我預期的那樣評估與 False 相同的值。 為什么這不起作用？

>>> dataframe = pd.DataFrame({'col1': [3, 4, 5, 6], 'col2': [6, 5, 4, 3]})
>>> dataframe
   col1  col2
0     3     6
1     4     5
2     5     4
3     6     3
>>> dataframe.loc[dataframe.col1 <= dataframe.col2]
   col1  col2
0     3     6
1     4     5
>>> dataframe.loc[(True) | (dataframe.col1 <= dataframe.col2)]
   col1  col2
0     3     6
1     4     5
2     5     4
3     6     3
>>> dataframe.loc[(False) | (dataframe.col1 <= dataframe.col2)]
   col1  col2
0     3     6
1     4     5
>>> dataframe.loc[(~True) | (dataframe.col1 <= dataframe.col2)]
   col1  col2
0     3     6
1     4     5
2     5     4
3     6     3
>>> dataframe.loc[(~(True)) | (dataframe.col1 <= dataframe.col2)]
   col1  col2
0     3     6
1     4     5
2     5     4
3     6     3
>>>

>>> dataframe  = pd.DataFrame({'col1': [1, 2, 3, 4], 'col2': [True, False, False, True]})
>>> dataframe
   col1   col2
0     1   True
1     2  False
2     3  False
3     4   True
>>> dataframe.loc[dataframe.col2]
   col1  col2
0     1  True
3     4  True
>>> dataframe.loc[not dataframe.col2]
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/lib/python3/dist-packages/pandas/core/generic.py", line 1537, in __nonzero__
    raise ValueError(
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().
>>> dataframe.loc[dataframe.col2 == False]
   col1   col2
1     2  False
2     3  False

Answer 1

這是一個 pandas 運算符行為（從 Numpy 實現）。

True不是熊貓對象。 相反，它是一個布爾值。 很明顯， ~運算符並不意味着反轉布爾值，僅在 Pandas 中。

如你看到的：

>>> ~True
-2
>>> 

它給出-2 ，這是常規的__invert__魔術方法行為。

所以：

>>> bool(-2)
True
>>> 

給出True 。

不要混淆 Pandas 和 Python 的行為，Pandas 在__invert__用法上實現它，例如：

>>> ~pd.Series([True])
0    False
dtype: bool
>>> 

如您所見，在 pandas（也是 Numpy）中，它反轉了布爾值。 因此，如果你寫：

>>> dataframe.loc[~pd.Series([True]).any() | (dataframe.col1 <= dataframe.col2)]
   col1  col2
0     3     6
1     4     5
>>> 

您可以清楚地看到它的行為等同於False 。

這里最好的方法是not ：

>>> dataframe.loc[(not True) | (dataframe.col1 <= dataframe.col2)]
   col1  col2
0     3     6
1     4     5
>>> 

Answer 2

我認為'~'不是你想要的，也許你想使用'not'：

>>> dataframe.loc[(not True) | (dataframe.col1 <= dataframe.col2)]
   col1  col2
0     3     6
1     4     5