Python 比较pandas/numpy中的逻辑值与NaN

我想对两个系列的布尔值进行元素或运算<代码>np.nans也包括在内

我尝试了三种方法，并意识到表达式“

np.nan

或

False

”可以根据方法计算为

True

、

False

、和

np.nan

以下是我的示例系列：

series_1 = pd.Series([True, False, np.nan])
series_2 = pd.Series([False, False, False])

方法#1 使用熊猫的

|

操作符：

In [5]: series_1 | series_2
Out[5]: 
0     True
1    False
2    False
dtype: bool

进近#2 使用numpy的

逻辑\u或
功能：

In [6]: np.logical_or(series_1, series_2)
Out[6]: 
0     True
1    False
2      NaN
dtype: object

方法#3
我定义了
logical\u或
的矢量化版本，该版本应在数组上逐行计算：

@np.vectorize
def vectorized_or(a, b):
   return np.logical_or(a, b)

我在两个系列上使用
矢量化_或
，并将其输出（是一个numpy数组）转换为一个系列：

In [8]:  pd.Series(vectorized_or(series_1, series_2))
Out[8]: 
0     True
1    False
2     True
dtype: bool

问题:
我想知道这些结果的原因。

解释
np.logical\u或
，并说
np.logical\u或（np.nan，False）
是
True
，但为什么这只在矢量化时有效，而不是在方法2中？如何解释方法1的结果
 第一个区别：
|
是
np.bitwise\u或
。它解释了#1和#2之间的区别

第二个区别：由于serie_1.dtype if
object
（非齐次数据），在前两种情况下，操作是逐行进行的

使用矢量化（#3）时：

通过调用
具有输入的第一个元素的函数。这是可以避免的
通过指定
otypes
参数

对于矢量化操作，退出对象模式。首先根据第一个元素转换数据（这里的bool，
bool（nan）
是
True
），然后执行操作
 在文档中，解释了这些函数的默认行为设置为跳过数据中的NAN。我现在理解了矢量化的效果。但是你说在第二种情况下，操作是逐行进行的。我看到的是最后一个操作是
np.logical\u或（np.nan，False）
，这是
True
，那么为什么第二个结果的最后一个元素是
nan
？你关于
是
np.bitwise\u或
的另一个评论很有帮助，虽然将
np.bitwise_或
直接用于这两个系列会产生类型错误，因此它们并不完全相同。