为什么pd系列（[np.nan]）| pd系列（[True]）的计算结果为False？

Question

为什么下面的代码返回False

>>> pd.Series([np.nan]) | pd.Series([True])
0    False
dtype: bool

Answer 1

比较您的案例（与显式dtype以强调推断的案例）：

In[11]: pd.Series([np.nan], dtype=float) | pd.Series([True])

Out[11]: 
0    False
dtype: bool

有一个类似的（现在只有dtype是bool）：

In[12]: pd.Series([np.nan], dtype=bool) | pd.Series([True])

Out[12]: 
0    True
dtype: bool

你看到区别了吗

---

解释：

1. 在第一种情况下（您的），np.nan在逻辑操作or（引擎盖下）中传播自身

   In[13]: np.nan or True
   Out[13]: nan
   

   在布尔运算结果的上下文中，pandas将np.nan视为False

2. 在第二种情况下，输出是明确的，因为第一个序列有一个布尔值（True，因为所有非零值都被视为True，包括np.nan，但在这种情况下这并不重要）：

   In[14]: pd.Series([np.nan], dtype=bool)
   

   Out[14]: 
   0    True
   dtype: bool
   

   当然{}给出了{}：

   In[15]: True or True
   Out[15]: True
   

Answer 2

我认为这是因为np.nan有float的元类，我猜覆盖__bool__是非零的：

np.nan.__bool__() == True

同样地：

>>>np.nan or None
nan

熊猫的解决方案是：

pd.Series([np.nan]).fillna(False) | pd.Series([True])

编辑***

为清楚起见，在方法：_bool_method_SERIES的.../pandas/core/ops.py行1816中的pandas 0.24.1中有一个赋值：

    fill_bool = lambda x: x.fillna(False).astype(bool)

这就是你描述的行为的来源。也就是说，它被特意设计成np.nan被视为False值（无论何时执行或操作）