为什么在计算反转布尔值系列的总和时需要括号或新变量？

Question

鉴于一些数据：

>> s = pd.Series([True, False, True, False, True])

>> ~s.values == (~s).values

array([True,  True, True,  True, True])

但是

>> ~s.values.sum()

-4 

>> (~s).values.sum()

2

并且

>> x = ~s.values

>> x.sum() == (~s).values.sum()

True

为什么我们需要使用括号(~s).values或存储~s.values在一个新变量中才能为~Series.sum()我们提供正确数量的False值s？

这是因为优先级，如@juanpa.arrivillaga 和@cwallenpoole 所述。确实：

>> ~3 is -4

True

Answer 1

由于优先级的属性的访问比的高优先级~操作。所以它在被否定之前被求和。许多 numpy/pandas 对象覆盖了矢量化计算的按位运算符。不幸的是，这将导致他们的行为出乎意料。换句话说，它被评估为：~((s.values).sum())

Answer 2

如果没有括号，首先使用原始值调用 sum()。然后 sum() 的结果被反转。使用 (~values).sum 首先反转值，然后使用反转列表对 sum() 进行校准。

Answer 3

它与评估顺序（或优先级）有关。~产生向右的表达式反转。