Python numpy.nan和逻辑函数：错误的结果

在尝试评估时，我得到了一些令人惊讶的结果 可能包含

nan

值的数据上的逻辑表达式（如numpy中的定义）

我想了解为什么会出现这种结果 以及如何实施正确的方法

我不明白的是，为什么这些表达式的计算结果与它们的值相同：

from numpy import nan

nan and True
>>> True
# this is wrong.. I would expect to evaluate to nan

True and nan
>>> nan
# OK

nan and False
>>> False
# OK regardless the value of the first element 
# the expression should evaluate to False

False and nan
>>> False
#ok

类似地，对于

或
：

True or nan
>>> True #OK

nan or True
>>> nan #wrong the expression is True

False or nan
>>> nan #OK

nan or False
>>> nan #OK

如何（以有效的方式）实现正确的布尔函数，同时处理
nan
值？
在计算包含
和
的逻辑表达式时，我们必须计算
和
运算符两侧的表达式。而对于
或
运算符，如果第一个表达式为真，则无需检查第二个表达式的正确性

例如，在计算表达式
2>2和3==3
时，首先我们应该检查第一个表达式
2>2
是否为真。如果第一个表达式为False，则无需检查第二个表达式，因为有
和
运算符，这样一个表达式的结果将为False，因为第一个表达式为False。然而，如果表达式是
2==2和3==3
，那么由于第一个表达式
2==2
为真，那么我们不需要检查第二个表达式的正确性，因为这里第二个表达式也是真的，所以我们得到真作为输出

在
nan和True
中，由于
nan
为True，并且由于
和
运算符，python现在将计算第二个表达式并返回第二个表达式的值。因此，这里您将得到
TRUE
作为输出。当应用于
True和nan
时，您可以期望
nan
作为输出

在
或
运算符中，查看第一个表达式就足够了，因此“
True或nan
将返回True
您可以使用
numpy
命名空间中的谓词：

>>> np.logical_and(True, np.nan), np.logical_and(False, np.nan)
(True, False)
>>> np.logical_and(np.nan, True), np.logical_and(np.nan, False)
(True, False)
>>>
>>> np.logical_or(True, np.nan), np.logical_or(False, np.nan)
(True, True)
>>> np.logical_or(np.nan, True), np.logical_or(np.nan, False)
(True, True)

编辑：内置布尔运算符略有不同：
x和y
相当于
如果x为false，则x，否则y
。因此，如果第一个参数的计算结果为
false
，则返回它（不是它的布尔等价物）。因此：

>>> (None and True) is None
True
>>> [] and True
[]
>>> [] and False
[]
>>> 

etc
。这解释了我希望得到的结果。例如，nan或True应该返回True（如果nan被视为True），而不是nan。由于nan为True，python将返回nan本身（非True），例如，“2或True”将返回2（因为2为True），同样，“0或3”将返回3（因为0被视为False）。“2和3“将返回3。“2和True”将返回Trueboth
或
和
和
短路：@Nakamura both nan==True和nan is True尽管计算为False。。所以做nan==False，nan是False。nan既不为假也不为真，这就是为什么我认为该行为是错误的。首先，包含布尔运算符（如
和
、
或
的python表达式的输出不必是布尔（
真
或
假
）的，@Zhenya指出的链接中很好地提到了这一点。例如，表达式
[]或2
的输出将是
2
。其次，numpy.nan指的是“非数字”（），因此它既不等于布尔真运算符，也不等于布尔假运算符。从第一点，我们可以推断python表达式
nan和True
的输出将是
True
，其中
nan和2
的输出将是'2'，您希望它是基于什么理由的？因为“and”要求两个值都为True。。如果其中一个未知，则无法确定其值。。结果也是未知的。
np.bool（np.nan）
的计算结果为
True
。从那一点开始，一切都是一致的。如果你想要一个有三个值的类型，true、false和“不知道”，看看
boost:：tribool
：boost不是cpp库吗？无论如何，这很容易。。
和
可以重新定义为min函数，分别为0、nan和1提供键-1,0,1。使用相同的键
或
实现为max。在旁注中，您想要的东西与当前的
numpy
工作方式没有多大意义
NaN
是一个纯浮点值。布尔数组不能容纳
NaN
s。因此，使用逻辑比较返回值
NaN
基本上会破坏一切。为了解决这个问题，引入了一个特殊的
np.na
（不同于
np.nan
）值，并暂时删除了该值。它能满足你的需求：见@JoeKington谢谢你的评论。很高兴知道，不幸的是，在这种情况下，我不得不使用第三方模块返回nan值的结果，所以我没有太多选择。这完全违反直觉，导致意外的结果。。。在我的例子中，我用
df['value'].shift（-1）.fillna（100）将它填充起来，这真是太麻烦了