为什么 pandas 布尔系列需要 () 才能与布尔运算符一起使用？ [重复]

Question

我已经看到，如果将布尔系列传递给与数据帧中的行长度相同的数据帧，它会过滤数据帧。但是，如果我们传递一个条件而不是布尔系列（如

df['col']==value

）并希望对该条件执行布尔运算（如 ~ ），则即使条件的结果是布尔系列，它也不起作用。仅当它被括号包围时才有效。换句话说，这有效

df[~(df['col']>value)]

而这不起作用

df[~df['col']>value]

，请注意唯一的区别是括号

我认为括号对应用

df['col']>value

产生的布尔序列做了一些操作，比如将其转换为另一种支持

~

等操作的对象。但事实并非如此，

type(df['col']>value)

和

type((df['col']>value))

是相同的，即“pandas.core.series.Series”。那么那些括号在做什么来启用使用条件产生的布尔系列呢？

此外，如果您有两个通过对数据框应用条件而派生的 boolean_series，例如

series_a=df['col']>value

和

series_b=df['col']==value

并且您尝试将它们与

&

运算符一起使用，这样

df[series_a & series_b]

实际上工作得很好。但是在数据帧内计算它们不起作用

df[df['col']>value & df['col']==value]

，它会给出错误

TypeError: unsupported operand type(s) for &: 'int' and 'IntegerArray'

从该错误中，我假设发生的运算符有一些优先级，因为它似乎试图将 & 应用于 IntegerArray，可能会这样做：

df['col']> (value & df['col']) ==value

但我想要求确认

示例： 假设我们有一些数据框，其列

tag

具有值 A 或 B

import pandas as pd
import numpy as np
import random

df=pd.DataFrame({'tag'=[random.choice['A','B' for i in range(100)]}

如果我尝试这样做进行过滤：

df[~(df['tag']=='A')]

它可以工作，但是如果我在没有这些括号的情况下执行此操作，则不会出现此错误

TypeError: bad operand type for unary ~: 'str'

df[~df['tag']=='A']

Answer 1

这是一个运算符优先级的问题。当您提供两个操作（

~

和

>

）时，Python 必须决定先应用哪一个。在

~df['col']>value

~

具有更高的优先级，因此它先行。您否定了数据框，然后进行了比较。与

(~(df['col'])) > value

相同。

如果要比较然后取反，则必须使用括号以避免出现不需要的运算顺序。括号内的表达式具有最高优先级。在

~(df['col']>value)

先进行比较。