是什么解释了列表与numpy.arrays上布尔运算和按位运算的行为差异？
我对在python中正确使用' &'vs' and' 感到困惑,如下面的简单示例所示.
mylist1 = [True, True, True, False, True]
mylist2 = [False, True, False, True, False]
>>> len(mylist1) == len(mylist2)
True
# ---- Example 1 ----
>>> mylist1 and mylist2
[False, True, False, True, False]
# I would have expected [False, True, False, False, False]
# ---- Example 2 ----
>>> mylist1 & mylist2
TypeError: unsupported operand type(s) for &: 'list' and 'list'
# Why not just like example 1?
>>> import numpy as np …为什么以下代码不会影响OutputDataFrame？(这个例子本身并不有趣 - 它是一种'复制'DataFrame的复杂方式.)
def getRow(row):
Output.append(row)
Output = pd.DataFrame()
Input = pd.read_csv('Input.csv')
Input.apply(getRow)
有没有办法获得使用该apply功能的功能,以便影响其他变量？