Pandas 布林索引：為什麼使用「&」而不是「and」？

Pandas 中布林索引的邏輯運算子

在Pandas 中使用布林索引時，了解邏輯運算子之間的差異非常重要" ＆“ 和“和”。

問題：為什麼以下語句可以正常運作：

a[(a['some_column']==some_number) & (a['some_other_column']==some_other_number)]

但以下語句會出現錯誤：

a[(a['some_column']==some_number) and (a['some_other_column']==some_other_number)]

答案：

「和」 Python中的運算子將其操作數隱式轉換為布林值。然而，在處理 NumPy 數組（以及基於 NumPy 數組的 Pandas Series）時，這種轉換可能會導致歧義。

在評估包含多個元素的陣列的真值時，不清楚是否應該這樣做如果滿足以下條件，則被視為True：

其所有元素均為True
• 其任何元素是True
• 它具有非零長度

為了避免這種歧義，NumPy 和Pandas 需要使用「any()」、「all()」進行明確布林計算，或“empty()”方法。

在布林索引的情況下，我們不需要布林求值，而是需要逐元素邏輯運算。這就是“&”運算符發揮作用的地方。

「&」運算子執行逐元素邏輯 AND 運算。它傳回一個布林數組，其中每個元素都是輸入數組中對應元素的邏輯 AND 的結果。

範例：

import pandas as pd

a = pd.DataFrame({'x':[1,1],'y':[10,20]})

print(a[(a['x']==1) & (a['y']==10)])

輸出：

   x   y
0  1  10

在此範例中，「&」運算子用於尋找「x」列和“y”列滿足指定條件。

以上是Pandas 布林索引：為什麼使用「&」而不是「and」？的詳細內容。更多資訊請關注PHP中文網其他相關文章！