如何对pandas DataFrame进行条件分区，解决Series真值模糊报错

1. 布尔索引语法错误：pandas 中对 Series 做多条件逻辑判断时，不能使用 Python 原生的and/or运算符，必须使用按位运算符&（且）/|（或），且每个独立条件必须用括号包裹，否则就会触发你遇到的「Series真值模糊」报错。
2. 业务逻辑错误：
   • 你直接将整个 DataFrame 转换为 numpy 数组计算分位数，计算逻辑错误，应该针对要筛选的A2列单独计算分位数
   • 原有代码错误将样本量n和分位数值相乘，不符合你要保留排序后floor(n*0.05)到floor(n*0.95)区间数据的需求

import pandas as pd
import numpy as np

def print_full(x):
    pd.set_option('display.max_rows', len(x))
    print(x)
    pd.reset_option('display.max_rows')

def main():
    s = pd.read_csv('A1-dm.csv')
    processed_s = segmentation_by_natural_partitioning(s)
    print_full(processed_s)

def segmentation_by_natural_partitioning(s):
    # 针对A2列计算5%和95%分位数
    p5 = np.percentile(s['A2'], 5)
    p95 = np.percentile(s['A2'], 95)
    
    # 按A2列升序排序
    sorted_s = s.sort_values(by='A2', ignore_index=True)
    n = sorted_s.shape[0]
    
    # 取中间90%范围的行：从floor(n*0.05)到floor(n*0.95)的索引区间
    start_idx = int(np.floor(n * 0.05))
    end_idx = int(np.floor(n * 0.95))
    result = sorted_s.iloc[start_idx:end_idx+1] # 切片左闭右开，所以end+1
    
    # 如果你需要的是保留A2数值在p5和p95之间的行，不需要按索引切片，用下面这行替换上面的切片逻辑即可
    # result = s[(s['A2'] > p5) & (s['A2'] <= p95)]
    return result

if __name__ == "__main__":
    main()

• 代码默认实现了你要求的「排序后取floor(n0.05)到floor(n0.95)索引范围行」的逻辑，如果你的实际需求是保留A2数值在5%和95%分位数之间的行，可以替换为注释里的布尔索引写法
• 布尔索引的多条件严格按照pandas语法要求使用&，每个条件单独包裹括号，不会再触发真值模糊报错

内容的提问来源于stack exchange，提问作者Evan Gertis