可为空布尔数据类型#

笔记

BooleanArray 目前处于实验阶段。其 API 或实现可能会在没有警告的情况下发生更改。

使用 NA 值进行索引#

pandas 允许使用NA布尔数组中的值进行索引，这些值被视为False.

In [1]: s = pd.Series([1, 2, 3])

In [2]: mask = pd.array([True, False, pd.NA], dtype="boolean")

In [3]: s[mask]
Out[3]: 
0    1
dtype: int64

如果您想保留这些NA值，可以手动填充它们fillna(True)。

In [4]: s[mask.fillna(True)]
Out[4]: 
0    1
2    3
dtype: int64

克莱恩逻辑运算#

arrays.BooleanArray实现Kleene Logic（有时称为三值逻辑），用于逻辑运算，例如&（与）、|（或）和^（异或）。

该表显示了每种组合的结果。这些操作是对称的，因此翻转左侧和右侧对结果没有影响。

表达	结果
`True & True`	`True`
`True & False`	`False`
`True & NA`	`NA`
`False & False`	`False`
`False & NA`	`False`
`NA & NA`	`NA`
`True \| True`	`True`
`True \| False`	`True`
`True \| NA`	`True`
`False \| False`	`False`
`False \| NA`	`NA`
`NA \| NA`	`NA`
`True ^ True`	`False`
`True ^ False`	`True`
`True ^ NA`	`NA`
`False ^ False`	`False`
`False ^ NA`	`NA`
`NA ^ NA`	`NA`

NA当操作中存在an 时，NA仅当结果不能仅根据其他输入确定时才会输出值。例如，是，因为和都是。在这种情况下，我们实际上不需要考虑的值。True | NATrueTrue | TrueTrue | FalseTrueNA

另一方面，是。结果取决于是否确实是或，因为是，但是是，所以我们无法确定输出。True & NANANATrueFalseTrue & TrueTrueTrue & FalseFalse

这与np.nan逻辑运算中的行为方式不同。 pandas 处理 在输出中始终np.nan为false 。

在or

In [5]: pd.Series([True, False, np.nan], dtype="object") | True
Out[5]: 
0     True
1     True
2    False
dtype: bool

In [6]: pd.Series([True, False, np.nan], dtype="boolean") | True
Out[6]: 
0    True
1    True
2    True
dtype: boolean

在and

In [7]: pd.Series([True, False, np.nan], dtype="object") & True
Out[7]: 
0     True
1    False
2    False
dtype: bool

In [8]: pd.Series([True, False, np.nan], dtype="boolean") & True
Out[8]: 
0     True
1    False
2     <NA>
dtype: boolean