这是我参与11月更文挑战的第6天。
大家好，我是老表，这个系列会记录我在编程中遇到的一些问题和解决方法，将直接以遇到的报错作为标题，这样更能方便其他学习者在浏览器中搜索到问题解决方法，也欢迎大家在评论、留言区多交流，谈谈自己的理解或者问题。
比如令人不悦的--requests.exceptions.ProxyError就是一个很好的示范。
今天在处理一个数据的时候，执行了一行代码，结果出现了大问题！！！
# 简单处理数据，去除推荐热搜和置顶热搜
wb_hot_data.drop(wb_hot_data[wb_hot_data['wb_rank']=='•' | pd.isna(wb_hot_data['wb_rank'])].index)
看着这一堆报错，我估计代码也很委屈！！！
先直接说怎么解决：
# 简单处理数据，去除推荐热搜和置顶热搜
wb_hot_data.drop(wb_hot_data[(wb_hot_data['wb_rank']=='•') | pd.isna(wb_hot_data['wb_rank'])].index)
也许你没有看出来改了什么，其实就是给
wb_hot_data['wb_rank']=='•'
加了一个括号。
接下来我们用示例数据说说这个错误是怎么产生的？
import pandas as pd
import numpy as np
a=np.array([['a',2,3],['b',5,6],[np.NaN,8,9],['a',4,7]])
df1=pd.DataFrame(a,columns=list('ABC'))
print(df1)
'''
A B C
0 a 2 3
1 b 5 6
2 nan 8 9
3 a 4 7
'''
我想删除A列中值为'a'或者None的行:
df1.drop(df1[df1['A']=='a' | pd.isna(df1['A'])].index)
这样写好像没什么毛病，但是运行就是会出现标题中讨厌的错误。
于是谷歌查了下，找到了一篇同错误的文章，评论区有博主提出在表达式两边加上括号即可，是优先级问题。
看到这个回答，我悟了，基础不扎实果然是会吃亏的。
df1.drop((df1[df1['A']=='a') | pd.isna(df1['A'])].index)
# 加个括号就可以啦
'''
A B C
1 b 5 6
2 nan 8 9
'''
我们会发现这里nan没有被删除？是因为初始化是这个nan已经被自动转换成字符串了，所以无法识别成nan被删除，这个问题我们其他文章再说，大家也可以留言说说自己看法。
补充讲一下另一种情况，当A列为数值类型数据，看看会怎么样？
import pandas as pd
import numpy as np
# a=np.array([['a',2,3],['b',5,6],[np.NaN,8,9],['a',4,7]])
a=np.array([[1,2,3],[2,5,6],[np.NaN,8,9],[2,4,7]])
df1=pd.DataFrame(a,columns=list('ABC'))
print(df1)
'''
A B C
0 1.0 2.0 3.0
1 2.0 5.0 6.0
2 NaN 8.0 9.0
3 2.0 4.0 7.0
'''
# 我想删除A列中值为2或者None的行
df1.drop(df1[df1['A']==2 | pd.isna(df1['A'])].index)
'''
A B C
1 2.0 5.0 6.0
2 NaN 8.0 9.0
3 2.0 4.0 7.0
'''
这个时候我们发现，没有报错，但是结果明显有问题，这是为什么呢？
这是因为数值类型是可以直接和bool类型数据进行运算，所以没有报错；结果出错是因为按运算符优先级，先进行
2 | pd.isna(df1['A'])
，得出来的都是true（2是一个确定的数，在bool类型为true，true和数值进行比较会转变成1），然后和df1['A']进行
==
运算，会发现只有第一行的1是满足的(1==ture)，所以最后会删除第一行。
所以还是运算符优先级问题，还是加上
()
就可以解决问题啦。
df1.drop(df1[(df1['A']==2) | pd.isna(df1['A'])].index)
'''
A B C
0 1.0 2.0 3.0
'''
# 为什么这里可以把nan值删除？大家可以讨论讨论
所以我们今天遇到的这个问题是由运算符优先级引起的 字符串类型数据和bool类型数据不能进行
|
运算。
最后附上Python运算符优先级和结核性一览表。