如何用Python内置operator.or_实现Pandas多条件OR运算？

你的代码失效的核心原因是：operator.or_实现的是Python原生逻辑或，而非Pandas Series的元素级逻辑或。原生逻辑或会把整个Series当作单个布尔值判断（非空Series直接视为True），不会对每个元素执行或运算，这才导致测试不通过。

下面提供两种可行的解决方案：

方案1：直接使用Pandas元素级或运算符|（推荐） #

这是Pandas布尔运算的标准写法，直观且性能更优，同时支持多个条件链式组合：

import pandas as pd

def fault_finder(df):
    # 提取公共温度条件，减少重复代码
    temp_ok = df['temp1'] >= df['temp2']
    
    # 拆分各状态的判断条件
    state_2 = temp_ok & (df['free_clg_signal'] > 0.2) & (df['mechanical_clg_signal'] < 0.1)
    state_3 = temp_ok & (df['mechanical_clg_signal'] > 0.01) & (df['free_clg_signal'] == 0.2)
    state_4 = temp_ok & (df['mechanical_clg_signal'] > 0.01) & (df['free_clg_signal'] > 0.9)
    
    # 元素级或组合所有条件，转成0/1整数标记
    df['flag'] = (state_2 | state_3 | state_4).astype(int)
    
    return df

方案2：结合functools.reduce使用operator.or_（满足你的需求） #

如果一定要用operator.or_，可以借助reduce迭代处理多个条件，每次取两个条件执行或运算：

import operator
import pandas as pd
from functools import reduce

def fault_finder(df):
    temp_ok = df['temp1'] >= df['temp2']
    
    state_2 = temp_ok & (df['free_clg_signal'] > 0.2) & (df['mechanical_clg_signal'] < 0.1)
    state_3 = temp_ok & (df['mechanical_clg_signal'] > 0.01) & (df['free_clg_signal'] == 0.2)
    state_4 = temp_ok & (df['mechanical_clg_signal'] > 0.01) & (df['free_clg_signal'] > 0.9)
    
    # 用reduce迭代调用operator.or_，实现多条件或
    df['flag'] = reduce(operator.or_, [state_2, state_3, state_4]).astype(int)
    
    return df

关键说明 #

• 拆分条件并提取公共部分，让代码可读性更强，也更容易维护。
• Pandas的元素级布尔运算要用|（或）、&（与）、~（非），而非Python原生的or/and/not，后者会对整个Series做布尔判断，而非逐元素运算。

内容的提问来源于stack exchange，提问作者bbartling