带有“== True”和“为真”的表达式会产生不同的结果

Question

我有以下MCVE：

#!/usr/bin/env python3                                           

import pandas as pd

df = pd.DataFrame([True, False, True])

print("Whole DataFrame:")
print(df)

print("\nFiltered DataFrame:")
print(df[df[0] == True])

输出如下，我期望：

Whole DataFrame:
     0
  0  True
  1  False
  2  True

Filtered DataFrame:
     0
  0  True
  2  True

好吧，但PEP8风格似乎是错误的，它说：E712与True的比较应该是if cond is True或if cond。所以我把它更改为is True而不是== True，但现在它失败了，输出是：

Whole DataFrame:
    0
0   True
1  False
2   True

Filtered DataFrame:
0     True
1    False
2     True
Name: 0, dtype: bool

到底是怎么回事？

Answer 1

这里的问题是在df[df[0] == True]，你没有比较对象与True。

正如其他答案所说，==在pandas超负荷生产一个Series而不是像往常那样的bool。 []也被重载，以解释Series并给出过滤结果。代码基本上等同于：

series = df[0].__eq__(True)
df.__getitem__(series)

所以，你不要在这里留下==来违反PEP8。

---

从本质上讲，pandas给出了熟悉的语法异常语义 - 这就是引起混淆的原因。

Accoring to Stroustroup（sec.3.3.3），运算符重载自从它的发明以来一直引起麻烦（他必须仔细思考是否将它包含在C ++中）。加斯克斯沃斯，高斯林在Java中跑向另一个极端，完全禁止它，事实证明这是一个极端。

总而言之，现代语言和代码往往会使运算符重载，但要密切注意不要过度使用它，并保持语义保持一致。

Answer 2

在python中，Seeing even more abuse of it in C++测试一个对象是否与另一个对象相同。 is由==定义为元素方式，pandas.Series不是。

因此，is比较df[0] is True和df[0]是否是同一个对象。结果是True，反过来等于False，所以你在做0时得到0列

Answer 3

这是对MaxNoe答案的详细说明，因为这篇文章很长，可以包含在评论中。

正如他所指出的那样，df[df[0] is True]评估为df[0] is True，然后被强制为False，它对应于一个列名。有趣的是，如果你跑了

0

这开始有点令人困惑（至少对我而言），但与

>>>df = pd.DataFrame([True, False, True])
>>>df[False]
KeyError                                  Traceback (most recent call last)
<ipython-input-21-62b48754461f> in <module>()
----> 1 df[False]

>>>df[0]
0     True
1    False
2     True
Name: 0, dtype: bool
>>>df[False]
0     True
1    False
2     True
Name: 0, dtype: bool

如何利用缓存有关。如果你看看如何解决pandas，它看起来像

df[False]

由于

  /home/matthew/anaconda/lib/python2.7/site-packages/pandas/core/frame.py(1975)__getitem__()
-> return self._getitem_column(key)
  /home/matthew/anaconda/lib/python2.7/site-packages/pandas/core/frame.py(1999)_getitem_column()
-> return self._get_item_cache(key)
> /home/matthew/anaconda/lib/python2.7/site-packages/pandas/core/generic.py(1343)_get_item_cache()
-> res = cache.get(item)

只是一个普通的python cache，在运行dict后，df[0]看起来像

cache

因此，当我们查找

>>>cache
{0: 0     True
1    False
2     True
Name: 0, dtype: bool}

时，python将此强制转换为False。如果我们还没有使用0启动缓存，那么df[0]是res，它在generic.py的第1345行触发None

KeyError

Answer 4

我认为在

def _get_item_cache(self, item):
1341            """Return the cached item, item represents a label indexer."""
1342            cache = self._item_cache
1343 ->         res = cache.get(item)
1344            if res is None:
1345                values = self._data.get(item)

比较只适用于pandas，结果是==。随着boolean Series输出是is。有关更多信息False。

is

Answer 5

一个解决方法是没有来自linters的投诉，但仍然有合理的子设置语法可能是：

print df[0] == True
0     True
1    False
2     True
Name: 0, dtype: bool

print df[df[0]]
      0
0  True
2  True

print df[df[0] == True]
      0
0  True
2  True

print df[0] is True
False

print df[df[0] is True]
0     True
1    False
2     True
Name: 0, dtype: bool

两者也需要同一时间。

此外，对于数据帧，可以使用

s = pd.Series([True] * 10 + [False])

s.loc[s == True]  # bad comparison in Python's eyes
s.loc[s.isin([True])]  # valid comparison, not as ugly as s.__eq__(True)

：

query