为什么python不使用三值逻辑？

我想知道为什么python pandas/numpy不使用true、false和NA实现3值逻辑（所谓的Łukasiewicz逻辑）（比如R）。我已经读过（）了，这在某种程度上是由于pandas使用的基本数据类型比R（例如）多得多。然而，我并不完全清楚为什么在这种情况下，逻辑操作的这种奇怪行为不可避免地会丢失值

例如

import numpy as np
np.nan and False   # so far so good, we have False
np.nan or False    # again, good, we have nan
False and np.nan   # False, good
False or np.nan    # give nan, so again, it is correct
np.nan and True    # weird, this gives True, while it should give nan
True and np.nan    # nan, so it is correct, but switching order should not affect the result
np.nan or True     # gives nan, which is not correct, should be True
True or np.nan     # True so it is correct, again switching the arguments changes the result

因此，该示例显示在比较

np.nan

和

True

值时发生了一些非常奇怪的事情。这是怎么回事

编辑。

---

感谢您的评论，现在我看到

np.nan

被认为是一个“真实”值。那么，有谁能解释这到底意味着什么，以及这种方法背后的基本原理是什么？

您错误地判断了

或
和
和
语句

或
将以
bool（value）
的形式检查第一个值是否为真，如果
为假
则取第二个值

另一方面，
和
以
bool（value1）
和
bool（value2）
的形式检查两个值是否同时为
True
，这是numpy行为，至少部分继承自python：

In [11]: bool(float('nan'))
Out[11]: True

In [12]: bool(np.NaN)
Out[12]: True

（NaN是“真实的”。
Pandas 2.0有很多变化，包括如何处理非浮点类型的空值。@Aryamcarthy但是上述内容不会随着
Pandas
2.0而改变。这是最基本的记录，很少有语言区分真、假和第三个“NA”值。通常，强类型表示只有特殊常量具有布尔意义，或者如果许多对象具有布尔意义，那么它们最终都会被视为truthy或falsy。R具有NA值是不寻常的；通用编程语言几乎从来没有这样的价值（您可以编写自己的逻辑来模拟它，但最终该语言只支持truthy或falsyness）。是的，我知道R中的逻辑操作在这方面非常特殊。然而，pandas和numpy都是为了解决与R类似的问题而设计的，所以我想知道为什么这两个模块中没有内置3值逻辑？这是由于一些技术限制还是作者的合理设计决定？@sztal注意，您在上述代码中没有使用
pandas
。所有这些都是纯python，除了使用numpy模块的属性，
np.nan
，但这与
float（'nan'）
相同，后者只是普通python，注意：真实性决定了
和
和
或
的行为。它甚至不是
numpy
的一部分，因为
np.nan
本质上是
float（'nan'）
@juanpa.arrivillaga true！那么为什么
np.nan或True会给出
nan
。如果其中一个参数为True，则逻辑or必须生成True，而不管第二个参数是什么。因此，在这种情况下，结果应该是正确的，但事实并非如此。这证明了
np.nan
与三值逻辑不一致。@sztal它不是
np.nan
被认为是“真实的”。在本例中，python检查第一个参数，发现它是
np.nan
，并（过早地）声明结果是不可判定的，但它是非常可判定的，因为参数的on是真的，所以逻辑析取也必须是真的。@juanpa.arrivillaga感谢备份，我想回答这个问题，但想先试试，但手机上缺少python解释器：）@juanpa.arrivillaga，“truthy”到底是什么意思？在我看来，这种行为在某些情况下可能相当危险。