Python 熊猫：索引数据帧时出现多个条件-意外行为

我通过两列中的值过滤数据帧中的行

出于某种原因，OR运算符的行为与我期望的和运算符的行为相同，反之亦然

我的测试代码：

import pandas as pd

df = pd.DataFrame({'a': range(5), 'b': range(5) })

# let's insert some -1 values
df['a'][1] = -1
df['b'][1] = -1
df['a'][3] = -1
df['b'][4] = -1

df1 = df[(df.a != -1) & (df.b != -1)]
df2 = df[(df.a != -1) | (df.b != -1)]

print pd.concat([df, df1, df2], axis=1,
                keys = [ 'original df', 'using AND (&)', 'using OR (|)',])

结果是：

      original df      using AND (&)      using OR (|)    
             a  b              a   b             a   b
0            0  0              0   0             0   0
1           -1 -1            NaN NaN           NaN NaN
2            2  2              2   2             2   2
3           -1  3            NaN NaN            -1   3
4            4 -1            NaN NaN             4  -1

[5 rows x 6 columns]

如您所见，

和

运算符会删除至少一个值等于

-1

的每一行。另一方面，

或

运算符要求两个值都等于

-1

，才能删除它们。我预期的结果恰恰相反。有人能解释一下这种行为吗

我使用的是熊猫0.13.1

如您所见，AND运算符删除至少有一个 值等于-1。另一方面，OR运算符同时需要这两个参数 值等于-1以删除它们

对。记住，你写的条件是你想保留什么，而不是你想放弃什么。对于

df1

：

df1 = df[(df.a != -1) & (df.b != -1)]

您的意思是“保留

df.a

不是-1且

df.b

不是-1的行”，这与删除至少一个值为-1的每一行相同

对于

df2

：

df2 = df[(df.a != -1) | (df.b != -1)]

您的意思是“保留

df.a

或

df.b

不是-1的行”，这与删除两个值都是-1的行相同

注：像

df['a'][1]=-1

这样的链式访问会让你陷入麻烦。最好养成使用

.loc

和

.iloc
的习惯，也可以使用，即：

一点数学逻辑理论这里：

“非a非b”与“非（a或b）”相同，因此：

“a NOT-1和b NOT-1”相当于“NOT（a is-1或b is-1）”，与“（a is-1或b is-1）”相反（补语）

因此，如果您想要完全相反的结果，df1和df2应如下所示：

df1 = df[(df.a != -1) & (df.b != -1)]
df2 = df[(df.a == -1) | (df.b == -1)]

DataFrame.query（）
在这里也能很好地工作
df.query（'a！=-1或b！=-1'）
。碰巧知道为什么熊猫想要
&
和
|
超过
和
和
或
？@stoves：在普通Python代码中，
和
和
或
具有无法修改的基本Python语义<另一方面，code>&
和
|
有相应的特殊方法来控制它们的行为。（当然，在查询字符串中，我们可以自由地应用任何我们喜欢的语法分析。）有趣的是，似乎
df[True&False]
失败了，但
df[（True）和（False）]
成功了（本例中未测试）是否可以跨多行中断这种语法？什么是最适合PEP8？
df.query
和
pd.eval
似乎非常适合这个用例。有关
pd.eval（）
函数系列及其特性和用例的信息，请访问。我认为这种语法更有意义，例如：df.query（“”（a==4&b！=2）| c==3”）
df1 = df[(df.a != -1) & (df.b != -1)]
df2 = df[(df.a == -1) | (df.b == -1)]