为何Pandas布尔序列使用布尔运算符时需要括号？

1. 单条件取反时括号的作用 #

在用Pandas做布尔过滤时会遇到这种情况：

• 写df[~(df['tag']=='A')]能正常过滤出tag不为'A'的行；
• 但去掉括号写df[~df['tag']=='A']，会直接报错TypeError: bad operand type for unary ~: 'str'。

括号并没有改变序列类型——type(df['tag']=='A')和type((df['tag']=='A'))确实都是pandas.core.series.Series。它的核心作用是改变运算优先级：
Python中一元运算符~（按位取反）的优先级比比较运算符==更高，不加括号时，代码会先执行~df['tag']，而df['tag']是字符串类型的Series，根本不支持~运算，自然报错。加了括号后，会先执行df['tag']=='A'得到布尔序列，再对这个布尔序列做取反操作，这才是我们想要的逻辑。

2. 多条件组合时的运算符优先级问题 #

同样是优先级导致的报错：

• 预先定义两个布尔序列series_a=df['col']>value和series_b=df['col']==value，用df[series_a & series_b]能正常过滤出同时满足两个条件的行；
• 但直接写df[df['col']>value & df['col']==value]，会报错TypeError: unsupported operand type(s) for &: 'int' and 'IntegerArray'。

原因在于按位与&的优先级比比较运算符>和==更高，代码会先执行value & df['col']——如果value是整数，df['col']是IntegerArray类型，两者无法做按位与运算，直接触发类型错误。正确的写法必须给每个条件单独加括号，明确运算顺序：df[(df['col']>value) & (df['col']==value)]。

示例代码 #

import pandas as pd
import random

# 生成含tag列的测试DataFrame
df = pd.DataFrame({'tag': [random.choice(['A','B']) for i in range(100)]})

内容的提问来源于stack exchange，提问作者Eugenio.Gastelum96