Pandas中的 &=、|=和~是什么意思？

Question

Pandas中的 &=、|=和~是什么意思？

3

我经常在工作中看到这样的代码：

overlap &= group['ADMSN_DT'].loc[i] <= group['epi_end'].loc[j]

我的问题是在pandas中，像&=、|=和~这样的操作符具体是做什么用的？

- bigdata

1

在大多数基于C的编程语言中，它们都有快捷方式。foo X= ... 简单地等同于 foo = foo X...。 - Marc B

所以 |= 表示交集，&= 表示并集？ - bigdata

@Rhymoid 我明白原地操作符的作用。然而，我不确定这些是原地操作符还是位运算符（可能是）。 - bigdata

@rhymoid 对于所有烦人的问题我表示抱歉，但是这些类型的运算符只适用于numpy数组和pandas系列或数据框吗？ - bigdata

2

它们与联合或交集无关。pd.Series([True, False, True])＆pd.Series([False, True, True])返回pd.Series([False, False, True])，因此运算符是逐个元素应用的。 - ayhan

显示剩余6条评论

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Maximilian Peters · Accepted Answer

从文档中得知：

运算符包括：| 表示或，& 表示与，~ 表示非。必须使用括号进行分组。

增强赋值语句

增强赋值语句会先计算目标（不同于普通的赋值语句，目标不能是解包），然后计算表达式列表，在两个操作数上执行特定于赋值类型的二进制操作，并将结果赋回原始目标。目标只被计算一次。

就像 a += 1 增加了 a 的值，a &= b 对比了 a 和 b 的值，并将结果赋给了 a。

a = 1
b = 0
print(a & b)
>>> 0
a &= b
print(a)
>>> 0

以下是一个 pandas 的例子

让我们生成一个由0和1组成的数据帧。

import numpy as np
import pandas as pd
a = pd.DataFrame(np.random.randint(0, 2, size=(6,4)), columns=list('ABCD'))
b = pd.DataFrame(np.random.randint(0, 2, size=(6,4)), columns=list('ABCD'))

我们的初始数据框

print(a)

   A  B  C  D
0  0  1  1  0
1  0  0  1  0
2  1  0  0  1
3  1  1  0  0
4  0  0  0  1
5  0  0  0  0

print(b)

   A  B  C  D
0  0  0  0  0
1  1  1  1  0
2  0  1  1  1
3  0  1  1  1
4  1  1  1  0
5  1  1  1  1

< p > a 和 b 的第四行

print(a.loc[3])

A    1
B    1
C    0
D    0
Name: 1, dtype: int32

print(b.loc[3])

A    0
B    1
C    1
D    1
Name: 1, dtype: int32

现在评估并分配第4行

a.loc[3] &= b.loc[3]

< p> a 的第四行已更改。只有在两行在相同位置都有1的情况下，才会将1写回 a 。

print(a.loc[3])

A    0
B    1
C    0
D    0
Name: 3, dtype: int32