为何Pandas中df.query与直接操作DataFrame的计算结果差异显著？

这两段代码的核心差异在于计算平均值时分母的选择：

代码1的计算逻辑 #

(df.query('has_cancer == False')['test_result'] == 'Negative').mean()

• 先筛选出has_cancer为False的子数据集
• 统计该子数据集中test_result为Negative的占比，公式等价于：
  (无癌症且检测阴性的数量) / (无癌症的总数量)

代码2的计算逻辑 #

(df[df['has_cancer'] == False].test_result == 'Negative').sum() / df.shape[0]

• 同样先筛选出has_cancer为False的行，统计其中检测阴性的数量
• 但分母是整个DataFrame的总行数，公式等价于：
  (无癌症且检测阴性的数量) / (全数据集的总数量)

因为无癌症的总数量必然小于全数据集的总数量，所以代码1的结果会明显大于代码2，这就是两者结果差异悬殊的根本原因。

内容的提问来源于stack exchange，提问作者Moaxad