Python numpy.nan和逻辑函数：错误的结果

Question

当尝试对可能包含nan值（如numpy中定义）的数据求逻辑表达式时，我得到一些令人惊讶的结果。

我想了解为什么会出现这种结果以及如何实施正确的方法。

我不明白的是为什么这些表达式求值的价值：

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

如何实现（有效方式）正确的布尔函数，同时处理nan值？

Answer 1

您可以使用numpy命名空间中的谓词：

>>> 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。从文档: x and y相当于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（不是它的布尔值，就像它一样）。所以：

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

等等