DataFrame过滤报错TypeError：str与bool不支持&运算，求解决方案

错误信息 #

TypeError: unsupported operand type(s) for &: 'str' and 'bool'

背景信息 #

从CSV读取字符串类型的评级数据，创建DataFrame：

df = pd.read_csv('csv path', usecols=['rating1','rating2','rating3'])

当前DataFrame结构：

rating1    rating2     rating3
0             D           D            C
1             C           B            A
2             B           B            B

预期处理后结果：

rating1    rating2     rating3    mediumrating
0             D           D            C           1
1             C           B            A           3
2             B           B            B           3

评级映射字典：

ranking = {
         'D': 1, 'C':2, 'B': 3, 'A' : 4
         }

原代码（逻辑：所有评级相同取最小值；两个相同取最低值；三个不同过滤最大最小）：

if df == df.loc[(['rating1'] == df['rating2'] & df['rating1'] == df['rating3'])]:
    df['mediumrating'] = df.replace(ranking).min(axis=1)
elif df == df.loc[(['rating1'] == df['rating2'] | df['rating1'] == df['rating3'] | df['rating2'] == df['rating3'])]:
    df['mediumrating'] = df.replace(ranking).min(axis=1)
else:
    df['mediumrating'] == df.loc[(df.replace(ranking) > df.replace(ranking).min(axis=1) & df.replace(ranking) 

问题分析与修正 #

原代码核心问题：

• 布尔运算未加括号，导致优先级错误（&/|优先级高于==），引发字符串与布尔值的非法运算
• 直接用df == df[...]判断整行逻辑错误，应按行生成布尔掩码
• else分支代码不完整，逻辑混乱

修正后的代码 #

import pandas as pd

# 读取数据
df = pd.read_csv('csv path', usecols=['rating1','rating2','rating3'])
ranking = {'D': 1, 'C':2, 'B': 3, 'A' : 4}

# 统一转换为数值评级，避免重复替换
num_df = df.replace(ranking)

# 定义每行的中间评级计算逻辑
def get_medium_rating(row):
    vals = row.tolist()
    unique_vals = set(vals)
    if len(unique_vals) == 1:
        # 所有评级相同，直接返回该值
        return vals[0]
    elif len(unique_vals) == 2:
        # 存在两个不同评级，取较小值
        return min(unique_vals)
    else:
        # 三个评级都不同，排序后取中间值
        return sorted(vals)[1]

# 应用函数生成新列
df['mediumrating'] = num_df.apply(get_medium_rating, axis=1)

代码说明 #

• 先将字符串评级批量转换为数值，提升代码效率
• 用apply按行处理，逻辑清晰，规避布尔运算优先级问题
• 针对三种场景分别处理：
  • 所有值相同：直接返回该值
  • 两个不同值：返回较小值（匹配原需求的“取最低值”）
  • 三个不同值：排序后取中间位置的值（即过滤最大、最小值后的结果）

运行后即可得到预期的DataFrame结果。

内容的提问来源于stack exchange，提问作者bananas