我想对两个Pandas做一个元素级的OR运算。也包括了np.nan。
我尝试了三种方法，并意识到表达式“np.nan or False“可以根据方法的不同计算为True、False和np.nan。
以下是我的示例系列：

series_1 = pd.Series([True, False, np.nan])
series_2 = pd.Series([False, False, False])

方法#1

使用Pandas的|算子：

In [5]: series_1 | series_2
Out[5]: 
0     True
1    False
2    False
dtype: bool

方法#2

使用numpy中的logical_or函数：

In [6]: np.logical_or(series_1, series_2)
Out[6]: 
0     True
1    False
2      NaN
dtype: object

方法#3

我定义了logical_or的矢量化版本，它应该在数组上逐行计算：

@np.vectorize
def vectorized_or(a, b):
   return np.logical_or(a, b)

我在这两个系列上使用vectorized_or，并将其输出（一个numpy数组）转换为panda系列：

In [8]:  pd.Series(vectorized_or(series_1, series_2))
Out[8]: 
0     True
1    False
2     True
dtype: bool

问题

我想知道这些结果的原因。
This answer解释了np.logical_or，并说np.logical_or(np.nan, False)是be True，但为什么这只在矢量化时有效，而在方法#2中无效？如何解释方法#1的结果？