使用~运算符时pd.Series.sum()返回负值异常问题

问题描述 #

对布尔类型的pd.Series取反后调用sum()时返回负值，但直接对原序列求和正常：

正常求和行为 #

import pandas as pd
pd.Series([True]).sum()  # 输出：1
pd.Series([False]).sum() # 输出：0

取反后求和异常 #

~pd.Series([False]).sum()  # 输出：-1
~pd.Series([True]).sum()   # 输出：-2

但单独对序列取反的结果是正确的：

~pd.Series([True])
# 输出：
# 0    False
# dtype: bool

~pd.Series([False])
# 输出：
# 0    True
# dtype: bool

原因分析 #

核心问题是运算符优先级：~（按位取反）的优先级高于sum()方法调用，导致代码实际执行逻辑是：先计算序列的求和结果（整数类型），再对该整数进行按位取反，而非先对布尔序列取反再求和。

• 对于~pd.Series([False]).sum()：先得到求和结果0，对整数0按位取反（Python中整数以补码存储），结果为-1。
• 对于~pd.Series([True]).sum()：先得到求和结果1，按位取反后结果为-2。

解决方法 #

只需调整运算顺序，确保先对布尔序列取反，再执行求和：

方法1：用括号明确优先级 #

通过括号包裹取反操作，强制先执行序列取反：

(~pd.Series([False])).sum()  # 输出：1
(~pd.Series([True])).sum()   # 输出：0

方法2：使用更直观的取反写法 #

如果觉得~容易混淆，可使用Python原生的not逻辑取反，结合apply方法：

pd.Series([False]).apply(lambda x: not x).sum()  # 输出：1
pd.Series([True]).apply(lambda x: not x).sum()   # 输出：0

或者直接用布尔比较运算实现取反：

(pd.Series([False]) == False).sum()  # 输出：1
(pd.Series([True]) == False).sum()   # 输出：0

内容的提问来源于stack exchange，提问作者MorrisseyJ