or和andpython 语句需要truth值。对于pandas，这些被认为是不明确的，因此您应该使用“按位”|（或）或&（和）操作：

df = df[(df['col'] < -0.25) | (df['col'] > 0.25)]

这些对于这些类型的数据结构是重载的，以产生元素方式的or或and。

只是为了添加一些更多的解释这个语句：

当您想要获取pandas.Series的bool时，会引发异常：

>>> import pandas as pd
>>> x = pd.Series([1])
>>> bool(x)
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

你打的是一个地方，运算符隐式将操作数转换为bool（您使用or，但它也发生在and，if和while）：

>>> x or x
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().
>>> x and x
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().
>>> if x:
...     print('fun')
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().
>>> while x:
...     print('fun')
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

除了这 4 条语句之外，还有几个 python 函数隐藏了一些bool调用（如any，all，filter，...）这些通常与pandas.Series没有问题，但为了完整性，我想提到这些。

对于and和or，如果你想要元素级比较，你可以使用：

  >>> import numpy as np
  >>> np.logical_or(x, y)

或者只是|运算符：

  >>> x | y

  >>> np.logical_and(x, y)

或者只是&运算符：

  >>> x & y

如果您使用的是运算符，那么一定要正确设置括号，因为operator precedence。

有several logical numpy functions，应该处理pandas.Series。

如果您在执行if或while时遇到它，则 Exception 中提到的替代方案更适合。

如果要检查您的系列是否为空：

  >>> x = pd.Series([])
  >>> x.empty
  True
  >>> x = pd.Series([1])
  >>> x.empty
  False

如果没有明确的布尔解释，Python 通常将length 容器（如list，tuple，...）解释为真值。因此，如果您想要类似 python 的检查，则可以执行以下操作：if x.size或if not x.empty而不是if x。

如果您的Series包含一个且只有一个布尔值：

  >>> x = pd.Series([100])
  >>> (x > 50).bool()
  True
  >>> (x < 50).bool()
  False

如果你想检查你的系列的第一个和唯一的项目（如.bool()，但即使不是布尔内容）：

  >>> x = pd.Series([100])
  >>> x.item()
  100

如果要检查所有或任何项不为零，不为空或非 False：

  >>> x = pd.Series([0, 1, 2])
  >>> x.all()   # because one element is zero
  False
  >>> x.any()   # because one (or more) elements are non-zero
  True

熊猫使用按位&|，每个条件都应该包装在()中

例如以下作品

data_query = data[(data['year'] >= 2005) & (data['year'] <= 2010)]

但是没有适当括号的相同查询不会

data_query = data[(data['year'] >= 2005 & data['year'] <= 2010)]

对于布尔逻辑，使用&和|。

np.random.seed(0)
df = pd.DataFrame(np.random.randn(5,3), columns=list('ABC'))
>>> df
          A         B         C
0  1.764052  0.400157  0.978738
1  2.240893  1.867558 -0.977278
2  0.950088 -0.151357 -0.103219
3  0.410599  0.144044  1.454274
4  0.761038  0.121675  0.443863
>>> df.loc[(df.C > 0.25) | (df.C < -0.25)]
          A         B         C
0  1.764052  0.400157  0.978738
1  2.240893  1.867558 -0.977278
3  0.410599  0.144044  1.454274
4  0.761038  0.121675  0.443863

要查看发生了什么，您将为每个比较获得一列布尔值，例如

df.C > 0.25
0     True
1    False
2    False
3     True
4     True
Name: C, dtype: bool

当您有多个条件时，您将返回多个列。这就是联接逻辑不明确的原因。使用and或or分别处理每个列，因此您首先需要将该列减少为单个布尔值。例如，查看每个列中的任何值或所有值是否为 True。

# Any value in either column is True?
(df.C > 0.25).any() or (df.C < -0.25).any()
True
# All values in either column is True?
(df.C > 0.25).all() or (df.C < -0.25).all()
False

实现相同功能的一种复杂方法是将所有这些列压缩在一起，并执行适当的逻辑。

>>> df[[any([a, b]) for a, b in zip(df.C > 0.25, df.C < -0.25)]]
          A         B         C
0  1.764052  0.400157  0.978738
1  2.240893  1.867558 -0.977278
3  0.410599  0.144044  1.454274
4  0.761038  0.121675  0.443863

有关更多详细信息，请参考文档中的Boolean Indexing。

或者，您可以使用 Operator 模块。更多详细信息在这里Python docs

import operator
import numpy as np
import pandas as pd
np.random.seed(0)
df = pd.DataFrame(np.random.randn(5,3), columns=list('ABC'))
df.loc[operator.or_(df.C > 0.25, df.C < -0.25)]
          A         B         C
0  1.764052  0.400157  0.978738
1  2.240893  1.867558 -0.977278
3  0.410599  0.144044  1.454274
4  0.761038  0.121675  0.4438