对不确定数量的Pandas序列进行元素级逻辑与操作

Question

假设我有一个包含 n 个 Pandas Series 的列表（n 的值在函数中是未知的），这些 Series 代表逻辑布尔索引，我想要对它们进行逐个元素的与运算（AND），然后用得到的 Series 来索引一个 DataFrame。

目前我使用的是 np.logical_and(x1,x2) 和一个 for 循环来实现这个功能。我尝试过使用 itertools.izip 或 zip，但效果不太好。Pandas 的 Series 对这两个方法似乎不太友好。

我一直在思考，为什么这样做会得到一个布尔 Series，但在执行时却出现了 IndexingError: Unalignable boolean Series key provided 的错误。

有没有什么想法？我觉得既然这些是 ndarray，应该有一种明显简单的方法来实现这个操作。

Answer 1

假设我理解你的意思，你可以使用 logical_and.reduce。从一组 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])]

看起来会像这样：

>>> 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]

如果这是一个数据框，你可以在列之间进行归约操作：

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

或者如果你想反向操作，可以传入 axis=1。

记得你也可以使用 any 和 all，比如：

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