Оператор not (логическое отрицание)
Наверное, лучше всего использовать оператор not:
>>> value = True
>>> not value
False
>>> value = False
>>> not value
True
Итак, вместо вашего кода:
if bool == True:
return False
else:
return True
Вы можете использовать:
return not bool
Логическое отрицание как функция
В модуле operator также есть две функции operator.not_ и его псевдоним operator.__not__ на случай, если вам понадобится эта функция вместо как оператор:
>>> import operator
>>> operator.not_(False)
True
>>> operator.not_(True)
False
Это может быть полезно, если вы хотите использовать функцию, для которой требуется функция предиката или обратный вызов.
Например map или filter:
>>> lst = [True, False, True, False]
>>> list(map(operator.not_, lst))
[False, True, False, True]
>>> lst = [True, False, True, False]
>>> list(filter(operator.not_, lst))
[False, False]
Конечно, того же можно достичь с помощью эквивалентной функции lambda:
>>> my_not_function = lambda item: not item
>>> list(map(my_not_function, lst))
[False, True, False, True]
Не использовать оператор побитового инвертирования ~ для логических значений
Может возникнуть соблазн использовать побитовый оператор инвертирования ~ или эквивалентную операторную функцию operator.inv (или один из трех других псевдонимов). Но поскольку bool является подклассом int, результат может быть неожиданным, поскольку он не возвращает «обратное логическое значение», он возвращает «обратное целое число»:
>>> ~True
-2
>>> ~False
-1
Это потому, что True эквивалентно 1 и False - 0, а побитовая инверсия работает с побитовым представлением целых чисел 1 и 0.
Так что их нельзя использовать для "отрицания" bool.
Отрицание с массивами NumPy (и подклассами)
Если вы имеете дело с массивами NumPy (или подклассами, такими как pandas.Series или pandas.DataFrame), содержащими логические значения, вы можете фактически использовать побитовый обратный оператор (~) для отрицания всех логических значений в массив:
>>> import numpy as np
>>> arr = np.array([True, False, True, False])
>>> ~arr
array([False, True, False, True])
Или эквивалентная функция NumPy:
>>> np.bitwise_not(arr)
array([False, True, False, True])
Вы не можете использовать оператор not или функцию operator.not в массивах NumPy, потому что они требуют, чтобы они возвращали один bool (не массив логических значений), однако NumPy также содержит логическую функцию not, которая работает с элементом -wise:
>>> np.logical_not(arr)
array([False, True, False, True])
Это также может быть применено к небулевым массивам:
>>> arr = np.array([0, 1, 2, 0])
>>> np.logical_not(arr)
array([ True, False, False, True])
Настройка ваших собственных классов
not работает путем вызова bool значения и отменяет результат. В простейшем случае значение true просто вызовет __bool__ для объекта.
Таким образом, реализовав __bool__ (или __nonzero__ в Python 2), вы можете настроить значение истинности и, следовательно, результат not:
class Test(object):
def __init__(self, value):
self._value = value
def __bool__(self):
print('__bool__ called on {!r}'.format(self))
return bool(self._value)
__nonzero__ = __bool__ # Python 2 compatibility
def __repr__(self):
return '{self.__class__.__name__}({self._value!r})'.format(self=self)
Я добавил оператор print, чтобы вы могли убедиться, что он действительно вызывает метод:
>>> a = Test(10)
>>> not a
__bool__ called on Test(10)
False
Аналогично, вы можете реализовать метод __invert__ для реализации поведения, когда применяется ~:
class Test(object):
def __init__(self, value):
self._value = value
def __invert__(self):
print('__invert__ called on {!r}'.format(self))
return not self._value
def __repr__(self):
return '{self.__class__.__name__}({self._value!r})'.format(self=self)
Снова с print вызовом, чтобы увидеть, что он на самом деле называется:
>>> a = Test(True)
>>> ~a
__invert__ called on Test(True)
False
>>> a = Test(False)
>>> ~a
__invert__ called on Test(False)
True
Однако реализация __invert__ может привести к путанице, поскольку ее поведение отличается от "нормального" поведения Python. Если вы когда-нибудь сделаете это, четко документируйте это и убедитесь, что у него довольно хороший (и распространенный) вариант использования.