Python 理解sqrt的行为-在编写不同的代码时给出不同的结果

我有熊猫系列，其编号如下：

0   -1.309176
1   -1.226239
2   -1.339079
3   -1.298509
...

我试图计算序列中每个数字的平方根

当我尝试整个系列时：

s**0.5
>>>
0       NaN
1       NaN
2       NaN
3       NaN
4       NaN
         ..
10778   NaN

但如果我拿数字来说，它是有效的：

-1.309176**0.5

我还尝试从系列中分割数字：

b1[0]**0.5
>>>
nan

所以我试图理解为什么我写数字时它起作用，但在使用该系列时它不起作用

*这些值是浮点型的：

s.dtype
>>>dtype('float64')

s.to_frame().info()
>>>
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 10783 entries, 0 to 10782
Data columns (total 1 columns):
 #   Column  Non-Null Count  Dtype  
---  ------  --------------  -----  
 0   B1      10783 non-null  float64
dtypes: float64(1)
memory usage: 84.4 KB

s.dtype
>>>数据类型（'float64'）
s、 至_frame（）.info（）
>>>
范围索引：10783个条目，0到10782
数据列（共1列）：
#列非空计数数据类型
---  ------  --------------  -----  
0 B1 10783非空浮点64
数据类型：float64（1）
内存使用率：84.4KB

你不能取一个负数的平方根（如果不尝试复数的话）

>np.sqrt（-1.30）
：1:RuntimeWarning:在sqrt中遇到无效值
楠

---

当您执行

-1.309176**0.5

时，实际上是在执行

-（1.309176**0.5）

，这是有效的。

这与python中的运算符优先级有关。

**

>一元运算符的优先级

-

>>>1.309176**0.5
-1.144192291531454

>>> (-1.309176)**0.5
(7.006157137165352e-17+1.144192291531454j)

负数的平方根应该是复数。但当您计算

-1.309176**0.5

时，它首先计算

1.309176**0.5

，然后取其负数，因为

**

的优先级为>

-

>>>1.309176**0.5
-1.144192291531454

>>> (-1.309176)**0.5
(7.006157137165352e-17+1.144192291531454j)

现在序列中的数字已经是负数，这不像是对它们进行一元运算，因此这些数字的平方根应该是复数，序列显示为

nan

，因为数据类型是

float

>>> s = pd.Series([-1.30, -1.22])
>>> s
0   -1.30
1   -1.22
dtype: float64

这个系列的平方根给出了

nan

>>> s**0.5
0   NaN
1   NaN
dtype: float64

将

dtype

更改为

np.complex

>>> s = s.astype(np.complex)
>>> s
0   -1.300000+0.000000j
1   -1.220000+0.000000j
dtype: complex128

现在你得到s的平方根

>>> s**0.05
0    1.000730+0.158500j
1    0.997557+0.157998j
dtype: complex128

---

什么是

s.to_frame（）.info（）

？这似乎是同一个数据相关的问题。这是关于运算符优先级的问题。可能会有帮助。您确定您的系列具有数字数据类型吗？

s.dtype

显示了什么？@jezrael在后面加了一句。第一句是试图取负数的平方根，第二句是取正数的平方根，使之为负数