pandas.eval mit einer boolean Serie mit fehlenden Daten

Question

Beschreibung

I pandas.eval auf einer boolean Serie mit fehlenden Daten verwenden.

Dazu verwende ich einen Indexer zum Markieren von Nicht-Null-Werten und .loc, um nur .eval auf die Zeilen mit nicht fehlenden Daten anzuwenden.

Die Anwendung des logischen Nicht-Operators mit dem Ausdruck ~bool oder not(bool) ergibt -1 oder -2.

Ich verstehe, dass dies, weil meine boolean Serie als Objekttyp wegen der fehlenden Werte gegossen wird, aber ich frage mich:

• Warum die -1 und -2-Ausgang?
• Was wäre der richtige Weg, .eval für eine boolesche Reihe mit fehlenden Daten zu verwenden?

Beispiel

ist hier ein reproduzierbares Beispiel Pandas 0.20.3 verwendet wird.

df = pd.DataFrame({'bool': [True, False, None]}) 
    bool 
0 True 
1 False 
2 None 

indexer = ~pd.isnull(df['bool']) 
0  True 
1  True 
2 False 
Name: bool, dtype: bool 

df.loc[indexer].eval('~bool') 
0 -2 
1 -1 
Name: bool, dtype: object 

Answer 1

Für eval, ~ Karten op.invert als seen in the source code here.

_unary_ops_syms = '+', '-', '~', 'not' 
_unary_ops_funcs = op.pos, op.neg, op.invert, op.invert 
_unary_ops_dict = dict(zip(_unary_ops_syms, _unary_ops_funcs)) 

Wenn also Ihre Serie von guten alten object Typ ist, was Sie sehen, hier ist

>>> ~True 
-2 
>>> ~False 
-1 

# or with your Series 
>>> ~pd.Series(True, dtype='object') 
0 -2 
dtype: object 

Wo Sie

>>> ~pd.Series(True) 
0 False 
dtype: bool 

Die Ausgänge ~True -> -2 wollen und ~False -> -1 sind, weil bool ein Unterabschnitt ist Lass von int in Python und -2, -1 sind die bitweisen Komplemente von 1 und 0.

---

Die offensichtliche Lösung ist, um die Serie zu bool Typ entweder zu konvertieren vorher mit astype(bool) in einem extra setp, oder wenn aus irgendeinem Grund können Sie nicht tun, bevor die eval,

>>> df.loc[indexer].eval('~bool.astype("bool")') 
0 False 
1  True 
Name: bool, dtype: bool