pandas DataFrame条件过滤报&不支持list运算TypeError解决方法

报错核心是布尔索引写法不符合pandas语法规则：

1. 单步判断df_y["Year"]<100和df_y['Year']>22本身会返回存储布尔值的pandas Series对象，是pandas布尔索引支持的合法输入，但你给这两个判断结果分别套了一层原生Python方括号[]，直接把布尔Series转成了Python原生列表对象
2. Python原生列表不支持&按位与运算，因此解释器直接抛出TypeError: unsupported operand type(s) for &: 'list' and 'list'异常。

额外注意：哪怕去掉了外层多余的方括号，如果不给每个独立判断条件加圆括号，也会因为&运算符优先级高于比较运算符，触发运算逻辑错误。

基础修复写法 #

去掉包裹单个条件的多余方括号，给每个独立判断条件加圆括号分隔，修正后的代码如下：

df4 = df_y[(df_y["Year"] < 100) & (df_y["Year"] > 22)]

更简洁的等价写法 #

针对连续数值区间筛选场景，可以直接用pandas内置的between()方法，不需要手动写两个条件做与运算，代码可读性更高。因为筛选规则是开区间22 < x < 100（不包含两端端点），需要指定区间开闭参数：

df4 = df_y[df_y["Year"].between(22, 100, inclusive="neither")]

• 多条件组合筛选时，&对应逻辑「且」、|对应逻辑「或」、~对应逻辑「非」，三个运算符都是向量级运算，仅支持pandas Series/数组对象，不支持原生Python列表
• 所有独立的比较判断条件必须用圆括号()包裹，避免运算符优先级导致的执行顺序错误
• 连续数值区间筛选优先使用between()方法，减少多条件拼接的语法错误概率

内容的提问来源于stack exchange，提问作者On J