用布爾數組掩蓋一系列

Question

這給了我很多麻煩，而且我對numpy數組與pandas系列的不兼容性感到困惑。當我使用一系列創建布爾數組時，例如

x = np.array([1,2,3,4,5,6,7]) 
y = pd.Series([1,2,3,4,5,6,7]) 
delta = np.percentile(x, 50) 
deltamask = x- y > delta 

delta掩碼創建布爾熊貓系列。

但是，如果你這樣做

x[deltamask] 
y[deltamask] 

您發現該陣列完全忽略面膜。沒有錯誤發生，但最終會得到兩個不同長度的對象。這意味着，像

x[deltamask]*y[deltamask] 

導致錯誤的操作：

print type(x-y) 
print type(x[deltamask]), len(x[deltamask]) 
print type(y[deltamask]), len(y[deltamask]) 

更令人費解的，我注意到，運營商<被區別對待。例如

print type(2*x < x*y) 
print type(2 < x*y) 

將分別給你一個pd.series和np.array。

此外，

5 < x - y 

產生一系列，如此看來，該系列優先，而一系列掩模的布爾元素傳遞到numpy的陣列時，並導致一個切片被提升到整數陣列。

這是什麼原因？

Answer 1

花式索引

作爲numpy的目前維持在numpy的花哨索引的工作原理如下：

1. 如果括號內的東西是一個tuple（是否有明確的括號或沒有）時，元組的元素是x不同維度的索引。例如，在這種情況下，x[(True, True)]和x[True, True]都將增加IndexError: too many indices for array，因爲x是1D。但是，在發生異常之前，還會發出警告：VisibleDeprecationWarning: using a boolean instead of an integer will result in an error in the future。

2. 如果括號之間的事情是恰好一個ndarray，而不是一個子類或其它陣列狀，並有一個布爾類型，它將被作爲掩模施加。這就是爲什麼x[deltamask.values]給出了預期結果（空數組因爲deltamask是所有False。

3. 如果括號內的事情是任何陣列狀，無論是像Series或只是一個list，還是其他什麼東西的子類，它被轉換到np.intp數組（如果可能的話）並用作整數索引，所以x[deltamask] yeilds東西相當於x[[False] * 7]或者只是x[[0] * 7]在這種情況下，len(deltamask)==7和x[0]==1所以結果是[1, 1, 1, 1, 1, 1, 1]。

這種行爲是違反直覺的，它生成的FutureWarning: in the future, boolean array-likes will be handled as a boolean array index表示修復正在進行中。我會更新這個答案，因爲我發現/對numpy進行了任何更改。

這個信息可以在塞巴斯蒂安伯格對我對Numpy討論here的最初查詢的迴應中找到。

關係運算符

現在讓我們來解決您在比較是如何工作的問題的第二部分。關係運算符（<,>,<=,>=）通過調用被比較對象之一的相應方法來工作。對於<這是__lt__。然而，Python實際上並沒有爲表達式x < y調用x.__lt__(y)，而是檢查被比較對象的類型。如果y是實現比較的x的子類型，則不管您如何編寫原始比較，Python都傾向於調用y.__gt__(x)。如果y是x的子類，則x.__lt__(y)將被調用的唯一方式是如果y.__gt__(x)返回NotImplemented以指示在該方向上不支持該比較。

當你做5 < x - y時會發生類似的事情。雖然ndarray不是int的子類，但比較int.__lt__(ndarray)返回NotImplemented，因此Python實際上最終調用(x - y).__gt__(5)，這當然是定義的，並且工作得很好。

對Python docs可以找到更簡潔的解釋。