如何获得pandas系列的元素逻辑NOT？

4 回答

• 5

  要反转布尔系列，use ~s：

  In [7]: s = pd.Series([True, True, False, True])
  
  In [8]: ~s
  Out[8]: 
  0    False
  1    False
  2     True
  3    False
  dtype: bool
  

  使用Python2.7，NumPy 1.8.0，Pandas 0.13.1：

  In [119]: s = pd.Series([True, True, False, True]*10000)
  
  In [10]:  %timeit np.invert(s)
  10000 loops, best of 3: 91.8 µs per loop
  
  In [11]: %timeit ~s
  10000 loops, best of 3: 73.5 µs per loop
  
  In [12]: %timeit (-s)
  10000 loops, best of 3: 73.5 µs per loop
  

  从Pandas 0.13.0开始，Series不再是 numpy.ndarray 的子类;它们现在是 pd.NDFrame 的子类 . 这可能与为什么 np.invert(s) 不再像 ~s 或 -s 一样快 .

  警告： timeit 结果可能因许多因素而异，包括硬件，编译器，操作系统，Python，NumPy和Pandas版本 .

  回复于 2024-04-20T03:43:49+08:00
• 163

  我试试看：

  In [9]: s = Series([True, True, True, False])
  
  In [10]: s
  Out[10]: 
  0     True
  1     True
  2     True
  3    False
  
  In [11]: -s
  Out[11]: 
  0    False
  1    False
  2    False
  3     True
  

  回复于 2024-04-20T03:43:49+08:00
• 10

  @unutbu 's answer is spot on, just wanted to add a warning that your mask needs to be dtype bool, not '对象'. Ie your mask can'曾经有过任何一个南方人 . 请参阅here - 即使您的面具现在是无痣，它仍然是'object'类型 .

  “对象”系列的反转不会引发错误，而是会得到一个不能按预期工作的整数的垃圾掩码 .

  In[1]: df = pd.DataFrame({'A':[True, False, np.nan], 'B':[True, False, True]})
  In[2]: df.dropna(inplace=True)
  In[3]: df['A']
  Out[3]:
  0    True
  1   False
  Name: A, dtype object
  In[4]: ~df['A']
  Out[4]:
  0   -2
  0   -1
  Name: A, dtype object
  

  在与同事谈论这个问题后，我有一个解释：看起来大熊猫正在回归到按位运算符：

  In [1]: ~True
  Out[1]: -2
  

  回复于 2024-04-20T03:43:49+08:00
• 11

  你也可以使用numpy.invert：

  In [1]: import numpy as np
  
  In [2]: import pandas as pd
  
  In [3]: s = pd.Series([True, True, False, True])
  
  In [4]: np.invert(s)
  Out[4]: 
  0    False
  1    False
  2     True
  3    False
  

  编辑：性能上的差异出现在Ubuntu 12.04，Python 2.7，NumPy 1.7.0上 - 使用NumPy 1.6.2似乎不存在：

  In [5]: %timeit (-s)
  10000 loops, best of 3: 26.8 us per loop
  
  In [6]: %timeit np.invert(s)
  100000 loops, best of 3: 7.85 us per loop
  
  In [7]: %timeit ~s
  10000 loops, best of 3: 27.3 us per loop
  

  回复于 2024-04-20T03:43:49+08:00