在不确定数量的Pandas数据系列上进行逐元素逻辑AND操作。

Question

假设我有一个包含n个(其中n是未知的)Pandas Series的列表/可迭代对象，它们代表逻辑布尔索引，我想对它们进行逐元素AND操作，并使用生成的Series对DataFrame进行索引。目前，我正在使用np.logical_and(x1,x2)和一个for循环来完成这个过程。使用itertools.izip或zip似乎并不顺利。pandas.Series对象似乎不喜欢被它们操作。我已经为此苦恼了一段时间，不知道为什么这似乎会导致布尔值Series，但在执行时却出现"IndexingError: Unalignable boolean Series key provided"错误。有什么想法吗? 我觉得既然它们是ndarray，肯定有一些明显简洁的方法来做到这一点。

- PatternMatching

Answer 1

假设我理解您的意思，您可以使用 logical_and.reduce。从一系列的 Series 开始：

>>> ss = [pd.Series([ True, False,  True, False,  True]), pd.Series([False,  True,  True, False, False]), pd.Series([False, False,  True, False,  True]), pd.Series([False,  True,  True, False, False]), pd.Series([ True,  True,  True,  True, False])]

它的外观可能类似于：

>>> pd.DataFrame(ss)
       0      1     2      3      4
0   True  False  True  False   True
1  False   True  True  False  False
2  False  False  True  False   True
3  False   True  True  False  False
4   True   True  True   True  False

[5 rows x 5 columns]

如果它是一个数据框，你可以沿着列方向进行缩减操作：

>>> np.logical_and.reduce(ss)
array([False, False,  True, False, False], dtype=bool)

如果您想要另一个方向，可以传递axis=1。

请记住，您还可以使用any和all，例如：

>>> df = pd.DataFrame(ss)
>>> df.all()
0    False
1    False
2     True
3    False
4    False
dtype: bool

- DSM