EDIT : 테이블의 고정 값. 나는 논리적 OR 조건에 도스의를 수행하려고 그래서 지금팬더 부울 DataFrame 선택 모호성
>>>df[df > 0.5]
a b c
0 NaN NaN Nan
1 1.130206 0.899758 NaN
2 1.390528 NaN NaN
3 NaN NaN NaN
4 1.401183 NaN NaN
5 NaN 1.142039 NaN
>>>df[df < 0]
a b c
0 NaN NaN -0.891527
1 NaN NaN -0.276587
2 NaN -1.472802 NaN
3 NaN -0.931329 NaN
4 NaN -0.162357 -0.959156
5 -0.127765 NaN -0.734434
: 좀 부울 인덱싱을 수행하려고 그래서 지금
>>>df
a b c
0 0.016367 0.289944 -0.891527
1 1.130206 0.899758 -0.276587
2 1.390528 -1.472802 0.128979
3 0.023598 -0.931329 0.158143
4 1.401183 -0.162357 -0.959156
5 -0.127765 1.142039 -0.734434
:
의가 나는 팬더 dataframe 안양 있다고 가정 해 봅시다 색인 생성 조건 :
나는 이것을 조금 연구했는데, 그 기본적인 특징은 다음과 같다. numpy의 ers는 어떤 조건이나 모든 경우에 따라 특정 조건이 모호 할 수 있다고 결정했습니다. 내가 얻을 수없는 이유는 값이> 0.5인지 검사하는 것이 유효하고 < 0이 유효한지 확인하지만 0.5보다 큰지 또는 0보다 작은 값인지 확인하는 것입니다. 나는 또한 부울 구문을 섞어 보려고했지만이 오류는 escable에있다. OR을하는 것이 모호한 사례를 만드는 이유를 설명 할 수 있습니까?
흥미 롭군요, 나는 그 행동을 멍청한 것으로 알고 있지 않았습니다.우선 순위가 항상 예상되는 것은 아니라고 말하면 어떤 부작용이 있습니까? 복합 부울 표현식을 기반으로 numpy/pandas 객체를 필터링하는 관용적 방법이 있습니까? – user3299166
@ user3299166 : 비트 연산자는 비교 연산자보다 우선 순위가 높습니다. 예를 들어 '1 <2 & 0 <1'은 false입니다 ('1 <(2 & 0) <1')로 해석됩니다. 비트 연산자를 사용하지만 피연산자를 괄호로 묶어 'df [(df.A <5) & (df.B> 0)]'와 같은 예기치 않은 결과를 피하십시오. – BrenBarn