Pandas 中布尔索引的逻辑运算符
在 Pandas 中使用布尔索引时，了解逻辑运算符之间的区别非常重要 " ＆“ 和“和”。
问题：为什么以下语句可以正常运行：
a[(a['some_column']==some_number) & (a['some_other_column']==some_other_number)]
但以下语句会出现错误：
a[(a['some_column']==some_number) and (a['some_other_column']==some_other_number)]
答案：
“和” Python 中的运算符将其操作数隐式转换为布尔值。然而，在处理 NumPy 数组（以及基于 NumPy 数组的 Pandas Series）时，这种转换可能会导致歧义。
在评估包含多个元素的数组的真值时，不清楚是否应该这样做如果满足以下条件，则被视为 True：
为了避免这种歧义，NumPy 和 Pandas 需要使用“any()”、“all()”进行显式布尔计算，或“empty()”方法。
在布尔索引的情况下，我们不需要布尔求值，而是需要逐元素逻辑运算。这就是“&”运算符发挥作用的地方。
“&”运算符执行逐元素逻辑 AND 运算。它返回一个布尔数组，其中每个元素都是输入数组中相应元素的逻辑 AND 的结果。
示例：
import pandas as pd
a = pd.DataFrame({'x':[1,1],'y':[10,20]})
print(a[(a['x']==1) & (a['y']==10)])输出：
x y 0 1 10
在此示例中，“&”运算符用于查找“x”列和“y”列满足指定条件。
以上是Pandas 布尔索引：为什么使用'&”而不是'and”？的详细内容。更多信息请关注PHP中文网其他相关文章！
