Pandas 中文参考指南

Nullable Boolean data type

BooleanArray 目前正在进行实验。它的 API 或实现可能会在不发出警告的情况下发生变化。

Indexing with NA values

pandas 允许使用布尔数组中的 NA 值进行索引，这些值被视为 False。

In [1]: s = pd.Series([1, 2, 3])

In [2]: mask = pd.array([True, False, pd.NA], dtype="boolean")

In [3]: s[mask]
Out[3]:
0    1
dtype: int64

如果你愿意保留 NA 值，则可以手动使用 fillna(True) 填充它们。

In [4]: s[mask.fillna(True)]
Out[4]:
0    1
2    3
dtype: int64

Kleene logical operations

arrays.BooleanArray 为 Kleene Logic（有时称为三值逻辑）实现了类似 &（与）、|（或）和 ^（异或）这样的逻辑操作。

此表演示了每种组合的结果。这些操作是对称的，因此左右调换不会影响结果。

表达式

结果

True & True

True

True & False

False

True & NA

False & False

False

False & NA

False

NA & NA

True | True

True

True | False

True

True | NA

True

False | False

False

False | NA

NA | NA

True ^ True

False

True ^ False

True

True ^ NA

False ^ False

False

False ^ NA

NA ^ NA

当运算中出现 NA 时，仅当无法根据其他输入确定结果时，输出值才为 NA。例如，True | NA 为 True，因为 True | True 和 True | False 都是 True。在这种情况下，我们实际上不需要考虑 NA 的值。

另一方面，True & NA 为 NA。结果取决于 NA 是否真正为 True 或 False，因为 True & True 为 True，但 True & False 为 False，因此我们无法确定输出。

这与 np.nan 在逻辑运算中的行为不同。pandas 认为 np.nan 在输出中总是为 false。

在 or

In [5]: pd.Series([True, False, np.nan], dtype="object") | True
Out[5]:
0     True
1     True
2    False
dtype: bool

In [6]: pd.Series([True, False, np.nan], dtype="boolean") | True
Out[6]:
0    True
1    True
2    True
dtype: boolean

在 and

In [7]: pd.Series([True, False, np.nan], dtype="object") & True
Out[7]:
0     True
1    False
2    False
dtype: bool

In [8]: pd.Series([True, False, np.nan], dtype="boolean") & True
Out[8]:
0     True
1    False
2     <NA>
dtype: boolean