熊猫：索引数据框时出现多种情况-意外行为

我正在按两列中的值过滤数据框中的行。

出于某种原因，OR运算符的行为类似于我期望AND运算符的行为，反之亦然。

我的测试代码：

import pandas as pd

df = pd.DataFrame({'a': range(5), 'b': range(5) })

# let's insert some -1 values
df['a'][1] = -1
df['b'][1] = -1
df['a'][3] = -1
df['b'][4] = -1

df1 = df[(df.a != -1) & (df.b != -1)]
df2 = df[(df.a != -1) | (df.b != -1)]

print pd.concat([df, df1, df2], axis=1,
                keys = [ 'original df', 'using AND (&)', 'using OR (|)',])

结果：

      original df      using AND (&)      using OR (|)    
             a  b              a   b             a   b
0            0  0              0   0             0   0
1           -1 -1            NaN NaN           NaN NaN
2            2  2              2   2             2   2
3           -1  3            NaN NaN            -1   3
4            4 -1            NaN NaN             4  -1

[5 rows x 6 columns]

如您所见，AND运算符将删除其中至少一个等于的每一行-1。另一方面，OR运算符要求两个值相等-1才能删除它们。我期望结果恰好相反。任何人都可以解释这种行为吗？

我正在使用熊猫0.13.1。

如您所见，AND运算符会删除每一行中至少有一个等于-1的值。另一方面，OR运算符要求两个值都等于-1才能删除它们。

那就对了。请记住，您是根据要保留的内容而不是要丢弃的内容来写条件。对于df1：

df1 = df[(df.a != -1) & (df.b != -1)]

您说的是“保留其中df.a不是-1且df.b不是-1的行”，这与删除其中至少一个值为-1的每一行相同。

对于df2：

df2 = df[(df.a != -1) | (df.b != -1)]

您说的是“保留其中任一行df.a或df.b都不为-1的行”，这与删除两个值均为-1的行相同。

PS：连锁访问会给df['a'][1] = -1您带来麻烦。最好养成使用.loc和的习惯.iloc。

您可以使用query（），即：

df_filtered = df.query('a == 4 & b != 2')

这里有一些数学逻辑理论：

“ NOT a AND NOT b”与“ NOT（a OR b）”相同，因此：

“ a NOT -1 AND b NOT -1” 等同于 “ NOT（a为-1 OR b为-1）”，与“（a is -1 OR b为-1）”的（补数）相反。

因此，如果您想要完全相反的结果，则df1和df2应如下所示：

df1 = df[(df.a != -1) & (df.b != -1)]
df2 = df[(df.a == -1) | (df.b == -1)]