前言

Python中的 True和 False总是让人困惑，一不小心就会用错，本文总结了三个易错点，分别是逻辑取反、if条件式和pandas.DataFrame.loc切片中的条件式。

1.True和False的逻辑取反

在对True和False进行逻辑取反时，不使用~，而要使用not。

因为在Python中，not才是逻辑取反，而~是按位取反。True和False对应的数值是1和0，~True就相当于对1按位取反，结果是-2，not True的结果才是False。

print(True)
print(~True)
print(not True)

结果是：

True
-2
False

类似的，~False的结果是1，not False 的结果才是True

print(False)
print(~False)
print(not False)

结果是：

False
-1
True

注：Python中 ~ 按位取反是按照数的补码取反，即：

1 => 补码00000001 => ~按位取反 => 补码11111110 => 2

双重否定的结果是这样的

print(not not True)
print(~~True)
print(not ~True)
print(~(not True))

结果为：

True
1
False
-1

对False的双重否定

print(not not False)
print(~~False)
print(not ~False)
print(~(not False))

结果为：

False
0
False
-2

2.if条件语句中的True和False

Python语言中，if后任何非0和非空（null）值为True，0或者null为False。这点和其他语言不相同，使用多种编程语言时很容易混淆。所以即使判断条件是一个负数，也是按照True处理，不会执行else分支。来看例子：

if (-2):
    print('a')
else:
    print('b')

结果为：a

如果使用了~对True或False取反，则得不到想要的结果：

if (~True): # ~True == -2
    print('a')
else:
    print('b')

结果为：a

只有用not来取反，才能达到逻辑取反的效果：

if not True:
    print('a')
else:
    print('b')

结果为：b

3.pandas.DataFrame.loc 中的否定

pandas.DataFrame.loc 官方文档中是这么说的
Access a group of rows and columns by label(s) or a boolean array.
可以使用布尔列表作为输入，包括使用一个条件式来返回一个布尔列表，例:

首先创建一个DataFrame

import pandas as pd
 
df = pd.DataFrame([[1, 2], [4, 5], [7, 8]],
    index=['cobra', 'viper', 'sidewinder'],
    columns=['max_speed', 'shield'])
 
df

使用条件式来筛选出shield大于6的数据

df.loc[df['shield'] > 6]

​筛选出shield域小于等于6的数据，可以

df.loc[df['shield'] <= 6]

也可以用

~ df.loc[~(df['shield'] > 6)]

另一个例子，筛选出index中不包含er两个字母的数据

df.loc[~df.index.str.contains('er')]

需要注意的是，在这里使用df.index.str.contains('er')作为条件筛选时，返回的是pd.Series。

而在pd.Series中， ~操作符重载了，它对布尔类型数据和对数值类型数据的处理分别是逻辑取反和按位取反。

df.index.str.contains('er')

的结果是:

array([False, True, True])

对布尔类型的pd.Series使用~取反，是逻辑取反

~pd.Series([False, True, False])

结果为

True
False
True
dtype: bool

而如果对数值型的pd.Series使用~取反，则是按位取反

~pd.Series([1,2,3])

结果为

-2
-3
-4
dtype: int64

总结

免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：mmqy2019@163.com进行举报，并提供相关证据，查实之后，将立刻删除涉嫌侵权内容。

猜你喜欢

• Python运行速度的测试方法有几种

  这篇文章主要介绍了python中的代码运行时间获取方式，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教

• python的类如何理解？一文带你了解类的用法

  接触过Java的朋友对于类应该不陌生，我们在学习python过程中，也会学习到类，那么python的类如何理解？很多新手学习python时，可能对此比较困惑。对此，下面小编就给大家介绍一下python的类以及使用。感兴趣的朋友就继续往下看吧。

• pandas统计行缺失值的方法是什么，怎样做

  这篇文章主要介绍了pandas如何统计某一列或某一行的缺失值数目，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教

• Selenium异常处理问题该怎么办，如何解决

  这篇文章介绍了Python中的Selenium异常处理，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

• 浅谈python装饰器的原理、作用和使用

  今天我们来总结一下python装饰器的原理、作用和使用，之前我们以及有详细的了解过python装饰器了，因此这篇文章就带大家简单的回顾一下python装饰器的知识，有需要的朋友可以参考。