提问人：Louis Thibault 提问时间：4/14/2013 最后编辑：smciLouis Thibault 更新时间：10/11/2023 访问量：241741
如何获得熊猫系列的元素逻辑 NOT？
How can I obtain the element-wise logical NOT of a pandas Series?
问：
我有一个包含布尔值的 pandas 对象。如何获取包含每个值的逻辑的序列？SeriesNOT
例如，考虑一个包含以下内容的系列：
True
True
True
False
我想得到的系列将包含：
False
False
False
True
这似乎应该相当简单，但显然我放错了我的魔力 =（
答：
21赞
herrfz
4/14/2013
#1
我只是试一试：
In [9]: s = Series([True, True, True, False])
In [10]: s
Out[10]:
0 True
1 True
2 True
3 False
In [11]: -s
Out[11]:
0 False
1 False
2 False
3 True
评论
0赞
Louis Thibault
4/14/2013
我从字面上尝试了除 ！下次我会记住这一点。-
7赞
root
4/14/2013
#2
你也可以使用 numpy.invert：
In [1]: import numpy as np
In [2]: import pandas as pd
In [3]: s = pd.Series([True, True, False, True])
In [4]: np.invert(s)
Out[4]:
0 False
1 False
2 True
3 False
编辑：性能差异出现在 Ubuntu 12.04、Python 2.7、NumPy 1.7.0 上 - 使用 NumPy 1.6.2 似乎不存在：
In [5]: %timeit (-s)
10000 loops, best of 3: 26.8 us per loop
In [6]: %timeit np.invert(s)
100000 loops, best of 3: 7.85 us per loop
In [7]: %timeit ~s
10000 loops, best of 3: 27.3 us per loop
评论
0赞
gaozhidf
4/8/2018
它可能在其他平台上不正确。Win 7，python 3.6.3 numpy 1.13.3，pandas 0.20.3，（-s）最快，（~s）是第二，np.invert（s）是最慢的
413赞
unutbu
4/14/2013
#3
要反转布尔级数，请使用 ~s：
In [7]: s = pd.Series([True, True, False, True])
In [8]: ~s
Out[8]:
0 False
1 False
2 True
3 False
dtype: bool
使用 Python2.7、NumPy 1.8.0、Pandas 0.13.1：
In [119]: s = pd.Series([True, True, False, True]*10000)
In [10]: %timeit np.invert(s)
10000 loops, best of 3: 91.8 µs per loop
In [11]: %timeit ~s
10000 loops, best of 3: 73.5 µs per loop
In [12]: %timeit (-s)
10000 loops, best of 3: 73.5 µs per loop
从 Pandas 0.13.0 开始，Series 不再是 ;它们现在是 的子类。这可能与为什么不再像 or 一样快有关。numpy.ndarraypd.NDFramenp.invert(s)~s-s
注意：结果可能因许多因素而异，包括硬件、编译器、操作系统、Python、NumPy 和 Pandas 版本。timeit
评论
0赞
Louis Thibault
4/14/2013
适当地指出。除了速度慢得多之外，波浪号和波浪号之间有什么区别？-
1赞
root
4/14/2013
Wierd，我实际上测试了文档中提到的，但它的性能与：S不同tildenp.invert
0赞
unutbu
4/14/2013
@blz：至少在我的Ubuntu机器上，运行NumPy 1.6.2，性能都是一样的。np.invert(s)~s-s
0赞
unutbu
4/14/2013
@root：我不确定为什么我们的时间结果会有这么大的差异，但它肯定会发生。您使用的是什么操作系统和版本的 NumPy？
0赞
root
4/14/2013
同样在 Ubuntu 上，但使用 NumPy 1.7.0...（ 执行与 相同。np.bitwise_not(s)np.inverse
71赞
JSharm
3/10/2017
#4
@unutbu的回答是正确的，只是想添加一个警告，说明你的掩码需要是 dtype bool，而不是“object”。也就是说，你的面具不可能有任何 nan's。看这里 - 即使你的面具现在是无楠的，它仍然是“对象”类型。
“对象”系列的反面不会抛出错误，相反，你会得到一个无法按预期工作的整数的垃圾掩码。
In[1]: df = pd.DataFrame({'A':[True, False, np.nan], 'B':[True, False, True]})
In[2]: df.dropna(inplace=True)
In[3]: df['A']
Out[3]:
0 True
1 False
Name: A, dtype object
In[4]: ~df['A']
Out[4]:
0 -2
0 -1
Name: A, dtype object
在与同事讨论过这个问题后，我有一个解释：看起来 pandas 正在恢复为按位运算符：
In [1]: ~True
Out[1]: -2
正如@geher所说，在用 ~ 反转之前，你可以用 astype 将其转换为布尔值
~df['A'].astype(bool)
0 False
1 True
Name: A, dtype: bool
(~df['A']).astype(bool)
0 True
1 True
Name: A, dtype: bool
评论
0赞
geher
2/6/2020
在您的示例中，输出整数掩码可以转换为您想要的布尔级数，例如.astype(bool)~df['A'].astype(bool)
1赞
JSharm
2/6/2020
这是有效的，因为发生在 vs 之前astype(bool)~~df['A'].astype(bool)(~df['A']).astype(bool)
0赞
grofte
2/28/2020
#5
NumPy 速度较慢，因为它将输入转换为布尔值（因此 None 和 0 变为 False，其他所有内容都变为 True）。
import pandas as pd
import numpy as np
s = pd.Series([True, None, False, True])
np.logical_not(s)
给你
0 False
1 True
2 True
3 False
dtype: object
而 ~s 会崩溃。在大多数情况下，波浪号是比 NumPy 更安全的选择。
熊猫 0.25，NumPy 1.17
1赞
Anders Solberg
8/5/2020
#6
为了支持此处的出色答案，并且为了将来的方便，可能存在以下情况：您希望翻转列中的真值，并使其他值保持不变（例如，nan值）
In[1]: series = pd.Series([True, np.nan, False, np.nan])
In[2]: series = series[series.notna()] #remove nan values
In[3]: series # without nan
Out[3]:
0 True
2 False
dtype: object
# Out[4] expected to be inverse of Out[3], pandas applies bitwise complement
# operator instead as in `lambda x : (-1*x)-1`
In[4]: ~series
Out[4]:
0 -2
2 -1
dtype: object
作为一个简单的非矢量化解决方案，您可以： 1.检查类型2。反布尔值
In[1]: series = pd.Series([True, np.nan, False, np.nan])
In[2]: series = series.apply(lambda x : not x if x is bool else x)
Out[2]:
Out[2]:
0 True
1 NaN
2 False
3 NaN
dtype: object
0赞
Pegasaurus
10/11/2023
#7
如果你的答案有任何种类或类似的东西，我建议你这样做：<NA>np.nan
inverted_series = (1 - original_series).astype('boolean')
它保持您的 na 值并成功反转它。
评论
object~ df.astype('bool')