使用np.where写多条件语句：为何第一种写法有效第二种报错

你遇到的报错核心是Python运算符优先级规则导致的计算逻辑异常，具体拆解如下：

• 位运算符&的优先级远高于==、!=、>=这类比较运算符，第二种写法没有给单个判断条件包裹括号，执行时的计算顺序会变成：data_frame['A'] == (1 & data_frame['B']) != 0
• 优先执行1 & data_frame['B']这一步时，会尝试拿整数标量1和float64类型的B列数组做按位与运算，类型不匹配直接触发你看到的TypeError，报错信息里的rand_就是Python对象按位与运算的内置魔法方法。
• 第一种写法直接调用np.logical_and、np.greater_equal、np.not_equal这类Numpy内置的逻辑判断函数，不存在运算符优先级的歧义，计算顺序完全符合预期，因此可以正常运行。

如果想要使用运算符简写多条件判断，只需要给每一个独立的比较条件都用圆括号包裹即可正常运行，修正后的代码如下：

data_frame['C'] = np.where((data_frame['A'] == 1) & (data_frame['B'] != 0), 'OK', '-')

额外注意：Pandas/Numpy的数组批量条件判断不能使用Python原生的and/or/not逻辑运算符，必须使用对应的位运算符&（逻辑与）、|（逻辑或）、~（逻辑非），且所有位运算符两侧的条件必须加括号。

内容的提问来源于stack exchange，提问作者haraujo