Python 在lambda函数中使用条件句

我打算使用一个lambda函数，它为非空值返回

'Purchase'

，并返回

'No Purchase'

else。我不确定该用哪一个。如果我使用第一个，它会工作。然而，我不明白为什么我要用第一个而不是第二个

df['is_purchase']=df.单击_day.apply（lambda x:'purchase'如果pd.notnull（x）否则'No purchase'）

df['is_purchase']=df。单击_day.apply（lambda x:'purchase'如果pd.notnull（x）==True，否则为'No purchase'）

---

有人能解释一下为什么第一个是真的吗？

因为在任何编程语言中，

如果pd.notnull（x）==true是不好的风格。
==True
已经隐含了，那么为什么要包含它呢？
如果
某个东西具有逻辑值
True
，那么将其与
True
进行比较的结果是：

something == True

也是
真的


反之亦然：如果
something==true
，则
something
具有
true
逻辑值。那么形式呢

if something:

意思与

if something == True:


要了解为什么选择最短的表单，请比较

if (a < 10) == True:

如果（a<10）=真：

与

如果a<10：

哪一个更自然？
下面是一个已经解释过的可视示例：

In [45]: s = pd.Series([True, False])

In [46]: s
Out[46]: 
0     True
1    False
dtype: bool

In [47]: s2 = s == True

In [48]: s2
Out[48]: 
0     True
1    False
dtype: bool

In [49]: s.equals(s2)
Out[49]: True

如果某个变量
说
与如果某个变量==True
说
是一样的，所以不需要显式地键入它。
问题出在哪里，错误消息？这很有趣，但是当第一个变量显然是更好的代码时，为什么还要使用第二个变量呢？
pd.notnull（x）==True
由
pd.notnull（x）
表示，因此第二个更冗长。没有错误消息。我在一个网站上学习，这是一个实践工作。作为回答，它使用了第一个。我只是不明白为什么第一个而不是第二个。那么它们都是以同样的方式工作的？
In [45]: s = pd.Series([True, False])

In [46]: s
Out[46]: 
0     True
1    False
dtype: bool

In [47]: s2 = s == True

In [48]: s2
Out[48]: 
0     True
1    False
dtype: bool

In [49]: s.equals(s2)
Out[49]: True