如何对pandas布尔型Series列表执行逐元素逻辑与聚合

在pandas中持有2个以上布尔型Series时，直接使用&运算符执行search[0] & search[1]可以正确返回布尔型Series，结果示例如下：

search[0] & search[1]
# 输出
0     True
1    False
dtype: bool

实际需求是支持传入Series组成的列表，直接返回聚合后的布尔型Series，类似sum(search)的调用形式。但直接调用Python内置sum(search)会返回数值型计数结果，示例如下：

sum(search)
# 输出
0    2
1    0
dtype: int64

目前可通过自定义循环函数实现逐位与聚合的需求，代码如下：

def sum_bool_series(bool_list):
      r = bool_list[0]
      for l in bool_list[1:]:
          r = r & l
      return r

需要确认pandas是否提供对应的原生实现方式。

pandas原生支持该类聚合需求，不需要手写循环：

• 逐位与聚合（即所有Series对应位置均为True时结果才为True，和自定义函数逻辑一致）：将列表中所有布尔Series按列拼接后，对每行做全True判断即可

  import pandas as pd
  and_result = pd.concat(search, axis=1).all(axis=1)
  

  该方法会自动按索引对齐所有Series，避免手写循环时可能出现的索引不匹配问题，返回值直接是布尔类型Series。
• 逐位或聚合（即任意一个Series对应位置为True时结果就为True，对应|运算符的聚合逻辑）：将all()替换为any()即可

  or_result = pd.concat(search, axis=1).any(axis=1)
  

如果偏好函数式写法，也可以使用functools.reduce实现链式运算，但可读性和鲁棒性弱于上述concat方案：

from functools import reduce
and_result = reduce(lambda x, y: x & y, search)

注意：不要直接使用Python内置sum处理布尔Series聚合，内置sum会默认将布尔值转为整数1/0做数值求和，无法得到布尔类型的逐位聚合结果。

内容的提问来源于stack exchange，提问作者NiRR