Python 你怎么办，还有~~你在熊猫身上做什么

我经常在工作中看到这样的代码：

overlap &= group['ADMSN_DT'].loc[i] <= group['epi_end'].loc[j]

overlap&=group['ADMSN_DT'].loc[i]

运算符为：| for or、&for and和~ for not。这些一定是
使用括号分组


增强分配评估目标（与正常分配不同
赋值语句，不能是解包语句）和表达式
列表中，执行特定于赋值类型的二进制操作
并将结果赋给原始目标。
目标仅评估一次

就像
a+=1
递增
a
，
a&=b
比较
a
和
b
，并将结果分配给
a

a = 1
b = 0
print(a & b)
>>> 0
a &= b
print(a)
>>> 0

还有一个
pandas
示例

让我们生成一个由0和1组成的数据帧

import numpy as np
import pandas as pd
a = pd.DataFrame(np.random.randint(0, 2, size=(6,4)), columns=list('ABCD'))
b = pd.DataFrame(np.random.randint(0, 2, size=(6,4)), columns=list('ABCD'))

我们的初始数据帧

print(a)

第四行
a
和
b

print(a.loc[3])

print(a.loc[3])

现在计算并分配第4行

a.loc[3] &= b.loc[3]

a
的第4行已更改。只有当两行的1位于同一位置时，1才会写回
a

a = 1
b = 0
print(a & b)
>>> 0
a &= b
print(a)
>>> 0

在大多数基于c-ish的语言中，它们都是捷径
foo X=…
只是
foo=foo X…。
因为“”，您可能会想知道。这些是在系列/数据帧上工作的元素逻辑运算符。对于赋值（
ser1&=ser2
），它们照常工作，正如Marc B所说：
ser1=ser1&ser2
。那么|=表示相交，&=表示并集？它们与并集或相交无关
pd.Series（[True，False，True]）&pd.Series（[False，True，True]）
返回
pd.Series（[False，False，True]）
因此运算符是按元素应用的。对于&和|如果后面有一个=符号，如示例中所示，这意味着什么？@bigdata它执行该操作，然后将结果分配给左边的名称。因此，对于以下代码导入numpy，np a=pd.DataFrame（np.random.randn（6,4），columns=list（'ABCD'）b=pd.DataFrame（np.random.randn（6,4），columns=list（'ABCD'））a&=bso对于以下代码导入numpy作为np a=pd.DataFrame（np.random.randn（6,4），columns=list（'ABCD'））b=pd.DataFrame（np.random.randn（6,4），columns=list（'ABCD'））a&=b返回类型错误error:ufunc“按位”和“不支持输入类型”，并且根据强制转换规则“安全”@bigdata，无法将输入安全强制为任何支持的类型。如果您需要可比较的数据类型，请参阅更新的示例。
A    1
B    1
C    0
D    0
Name: 1, dtype: int32

print(b.loc[3])

A    0
B    1
C    1
D    1
Name: 1, dtype: int32

a.loc[3] &= b.loc[3]

print(a.loc[3])

A    0
B    1
C    0
D    0
Name: 3, dtype: int32