Python numpy.nan 和逻辑函数：错误的结果

Question

我在尝试评估时得到了一些令人惊讶的结果 可能包含 nan 值的数据的逻辑表达式（在 numpy 中定义）。

我想了解为什么会出现这种结果 以及如何正确实施。

我不明白为什么这些表达式的计算结果是它们所做的值：

from numpy import nan

nan and True
>>> True
# this is wrong.. I would expect to evaluate to nan

True and nan
>>> nan
# OK

nan and False
>>> False
# OK regardless the value of the first element 
# the expression should evaluate to False

False and nan
>>> False
#ok

同样适用于or：

True or nan
>>> True #OK

nan or True
>>> nan #wrong the expression is True

False or nan
>>> nan #OK

nan or False
>>> nan #OK

如何（以有效的方式）实现正确的布尔函数，同时处理 nan 值？

Answer 1

在计算包含and 的逻辑表达式时，我们必须计算出现在and 运算符两侧的表达式。而对于or运算符，如果第一个表达式为True，则不需要检查第二个表达式的正确性

例如，在计算表达式 2>2 and 3==3 时，首先我们应该检查第一个表达式 2>2 是否为 True。如果第一个表达式为 False，则无需检查第二个表达式，因为 AND 运算符和此类表达式的结果将为 FALSE，因为第一个表达式为 FALSE。而如果表达式是 2==2 AND 3==3 ，那么由于第一个表达式 2==2 是 True，那么我们不需要检查第二个表达式的正确性，因为这里第二个表达式也是 True，所以我们得到 TRUE 作为输出。

在nan and True 中，由于nan 为True，并且由于AND 运算符，python 现在将评估第二个表达式并返回第二个表达式的值。所以，在这里你会得到TRUE 作为输出。应用于True and nan 时的逻辑相同，您可以期望nan 作为输出。

在OR 运算符中，如果我们查看第一个表达式就足够了，因此“True or nan 将返回 True

Answer 2

您可以使用来自 numpy 命名空间的谓词：

>>> np.logical_and(True, np.nan), np.logical_and(False, np.nan)
(True, False)
>>> np.logical_and(np.nan, True), np.logical_and(np.nan, False)
(True, False)
>>>
>>> np.logical_or(True, np.nan), np.logical_or(False, np.nan)
(True, True)
>>> np.logical_or(np.nan, True), np.logical_or(np.nan, False)
(True, True)

编辑：内置布尔运算符略有不同。 From the docs： x and y 等价于 if x is false, then x, else y。因此，如果第一个参数的计算结果为 False，它们将返回它（不是它的布尔等价物，因为它是）。因此：

>>> (None and True) is None
True
>>> [] and True
[]
>>> [] and False
[]
>>> 

等