Python 熊猫中的广播布尔运算

假设我有一个NxM布尔数据框X和一个Nx1布尔数据框Y。我想对返回一个新数据框（即NxM）的每一列执行一个布尔运算。例如：

x = pd.DataFrame([[True, True, True], [True, False, True], [False, False, True]])
y = pd.DataFrame([[False], [True], [True]])

我希望x&y返回：

       0    1   2
0     False False False
1     True  False True
2     False False True

但相反，它返回：

    0   1   2
0   False   NaN NaN
1   True    NaN NaN
2   False   NaN NaN

相反，将y视为具有 x&y[0] 给出：

它似乎是按行广播的。除了将操作应用于序列和取消转换之外，还有其他正确的方法来执行此操作吗

(x.T & y[0]).T


    0   1   2 
0   False   False   False
1   True    False   True
2   False   False   True

---

当行索引与列标签不相同时，这似乎失败了。您可以调用

apply

并传递lambda，然后调用

square

将序列展平为一维数组：

In [152]:
x.apply(lambda s: s & y.squeeze())

Out[152]:
       0      1      2
0  False  False  False
1   True  False   True
2  False  False   True

但是我不确定这是否更快，这里我们通过调用df上的

apply

来应用掩码列，这就是为什么不需要转置的原因

实际上，您可以使用：

---

np.logical_，这似乎很棒。谢谢

In [152]:
x.apply(lambda s: s & y.squeeze())

Out[152]:
       0      1      2
0  False  False  False
1   True  False   True
2  False  False   True

In [156]:
np.logical_and(x,y)

Out[156]:
       0      1      2
0  False  False  False
1   True  False   True
2  False  False   True