Python 为什么不是'；这两组运算之间的顺序不变性是什么？

我正在处理一个CSV文件/dataframe，其中第一列包含日期。 我想在这里做一些到datetime的转换，一些过滤，排序和重新索引

我的经验是，如果我改变操作集的顺序，我会得到不同的结果（第一个配置的结果比另一个配置的结果大）。第一个可能是“好”的

谁能告诉我，哪些子操作导致结果之间的差异

哪一个是“坏”的，哪一个是“好”的解决方案

如果用户可以以任意顺序调用这两个方法，并且仍然获得良好的结果，那么是否可能实现安全的顺序独立性？（通过实施可互换的操作集是否可能获得良好的结果？）

配置1：

# Operation set 1: dropping duplicates, sorting and reindexing the table
jdf1.drop_duplicates(subset=dateColName, inplace=True)
jdf1.sort_values(dateColName, inplace=True)
jdf1.reset_index(drop=True, inplace=True)

# Operatrion set 2: converting column type and filtering the rows in case of CSV's contents are covering a wider interval
jdf1[dateColName] = pd.to_datetime(jdf1[jdf1.columns[0]], format="%Y-%m-%d")
maskL = jdf1[dateColName] < interval[0]
maskR = jdf1[dateColName] > interval[1]
mask = maskL | maskR
jdf1.drop(jdf1[mask].index, inplace=True)

---

谢谢你的帮助

乍一看是一样的，但不是

因为有两种不同的过滤方式相互影响：

drop_duplicates() -> remove M rows, together ALL rows - M
boolean indexing with mask -> remove N rows, together ALL - M - N

--

若交换这个操作，结果应该是不同的，因为两者都会删除行。调用它们的顺序很重要，因为有些行只删除drop_重复项，有些行只删除布尔索引

---

我认为这两种方法都是正确的，这取决于需要什么。

你能提供一些数据吗？

df.to_json（）

的输出，最好是一个小到足以重现问题的样本。我在一个更大（预处理）的数据集上遇到过这个问题，小规模重现问题或从环境中获取数据并不容易。我使用的数据集与此类似（请将数据格式更改为：'%d-%b-%y'）OP正在查看值列表，删除重复项并保留在某个间隔内的值。你能举一个操作顺序影响结果的例子吗？我认为你的第一行在这里是不正确的，应该是这样的：drop_duplicates（）->删除M行，所有行一起-MIf我正确理解你的例子，你的意思是：size（K）~！=尺寸（M），尺寸（L）~！=尺寸（N），尺寸（K）~！=尺寸（L），尺寸（M）~！=大小（N），其中“~！=”运算符的意思是：“不一定等于”，但我期望的是：大小（K+M），但在这种情况下，两个运算符集的执行顺序应该是不相关的。我说的对吗？不知道你是否理解。但操作顺序是从代码的第1行到最后一行，如果不是for、while、if语句的话。

# Operatrion set 2: converting column type and filtering the rows in case of CSV's contents are covering a wider interval
jdf2[dateColName] = pd.to_datetime(jdf2[jdf2.columns[0]], format="%Y-%m-%d")
maskL = jdf2[dateColName] < interval[0]
maskR = jdf2[dateColName] > interval[1]
mask = maskL | maskR
jdf2.drop(jdf2[mask].index, inplace=True)

# Operation set 1: dropping duplicates, sorting and reindexing the table
jdf2.drop_duplicates(subset=dateColName, inplace=True)
jdf2.sort_values(dateColName, inplace=True)
jdf2.reset_index(drop=True, inplace=True)

val1 = set(jdf1["Date"].values)
val2 = set(jdf2["Date"].values)

# bigger:
val1 - val2

# empty:
val2 - val1

drop_duplicates() -> remove M rows, together ALL rows - M
boolean indexing with mask -> remove N rows, together ALL - M - N

boolean indexing with mask -> remove K rows, together ALL rows - K
drop_duplicates() -> remove L rows, together ALL - K - L

K != M
L != N