在计算布尔的倒数系列之和时，为什么需要括号或新变量？

Question

提供一些数据：

>> 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

和

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

为什么我们需要使用括号(~s).values或将~s.values存储在新变量中，以便~Series.sum()在{{ 1}}？

---

这是由于优先级所致，如@ juanpa.arrivillaga和@cwallenpoole所述。确实：

False

Answer 1

因为属性访问的precedence高于~运算符的优先级。因此，求和之前必须先求和。

许多numpy / pandas对象会覆盖按位运算符，以进行矢量化计算。不幸的是，这将导致它们表现异常。

换句话说，它被评估为：

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

Answer 2

这与评估顺序（或precedence）有关。 ~使表达式向右反转。

Answer 3

在不带括号的情况下，首先使用原始值调用sum（）。然后将sum（）的结果取反。使用（〜values.sum），这些值首先被取反，然后使用取反后的列表对sum（）进行计算。