python - 为什么 Pandas 逻辑运算符不像应该那样在索引上对齐？

考虑以下简单设置:

x = pd.Series([1, 2, 3], index=list('abc'))
y = pd.Series([2, 3, 3], index=list('bca'))

x

a    1
b    2
c    3
dtype: int64

y

b    2
c    3
a    3
dtype: int64

如您所见，索引是相同的，只是顺序不同。

现在，考虑使用相等运算符(==)进行的简单逻辑比较:

x == y
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)

抛出ValueError，很可能是因为索引不匹配。另一方面，调用等效的eq运算符可以工作:

x.eq(y)

a    False
b     True
c     True
dtype: bool

OTOH，运算符方法在给定y的情况下可以重新排序...

x == y.reindex_like(x)

a    False
b     True
c     True
dtype: bool

我的理解是，函数和运算符的比较应该做相同的事情，而其他所有条件都相同。运算符比较不执行的eq在做什么？

最佳答案

查看整个回溯，以查找索引不匹配的系列比较，尤其关注异常消息:

In [1]: import pandas as pd
In [2]: x = pd.Series([1, 2, 3], index=list('abc'))
In [3]: y = pd.Series([2, 3, 3], index=list('bca'))
In [4]: x == y
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-4-73b2790c1e5e> in <module>()
----> 1 x == y
/usr/lib/python3.7/site-packages/pandas/core/ops.py in wrapper(self, other, axis)
   1188
   1189         elif isinstance(other, ABCSeries) and not self._indexed_same(othe
r):
-> 1190             raise ValueError("Can only compare identically-labeled "
   1191                              "Series objects")
   1192
ValueError: Can only compare identically-labeled Series objects

我们看到这是一个有意实现的决定。而且，这不是Series对象所独有的-DataFrames会引发类似的错误。

最终，通过挖掘有关相关代码的Git责任，最终会发现一些相关的提交和问题跟踪线程。例如，Pandas的作者韦斯·麦金尼(Wes McKinney)曾经用Series.__eq__完全忽略RHS的索引，而在关于该行为的错误报告的comment中，则表示:



这就是changed到 Pandas 0.19.0中的当前行为。引用"what's new" page:



这使得Series行为与DataFrame的行为相匹配，DataFrame在比较中已经拒绝了不匹配的索引。

总而言之，使比较运算符自动对齐索引会破坏太多内容，因此这是最佳选择。

关于python - 为什么 Pandas 逻辑运算符不像应该那样在索引上对齐？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/56402988/