Python numpy.nan 和逻辑函数 : wrong results

Question

我在尝试评估时得到了一些令人惊讶的结果 可能包含 nan 值(在 numpy 中定义)的数据的逻辑表达式。

我想了解为什么会出现这个结果 以及如何正确实现。

我不明白的是为什么这些表达式会计算出它们所计算的值:

from numpy import nan

nan and True
>>> True
# this is wrong.. I would expect to evaluate to nan

True and nan
>>> nan
# OK

nan and False
>>> False
# OK regardless the value of the first element 
# the expression should evaluate to False

False and nan
>>> False
#ok

对于 或 类似:

True or nan
>>> True #OK

nan or True
>>> nan #wrong the expression is True

False or nan
>>> nan #OK

nan or False
>>> nan #OK

我如何(以有效的方式)实现正确的 boolean 函数，同时处理 nan 值？

Answer 1

您可以使用 numpy 命名空间中的谓词:

>>> np.logical_and(True, np.nan), np.logical_and(False, np.nan)
(True, False)
>>> np.logical_and(np.nan, True), np.logical_and(np.nan, False)
(True, False)
>>>
>>> np.logical_or(True, np.nan), np.logical_or(False, np.nan)
(True, True)
>>> np.logical_or(np.nan, True), np.logical_or(np.nan, False)
(True, True)

编辑:内置 boolean 运算符略有不同。 From the docs : x 和 y 等同于 if x is false, then x, else y。因此，如果第一个参数的计算结果为 False，它们将返回它(不是它的 boolean 等价物，实际上)。因此:

>>> (None and True) is None
True
>>> [] and True
[]
>>> [] and False
[]
>>> 

等等