为什么Pandas中`not`操作布尔Series无效但`!= True`可用？

pandas.isna(data["Primary Fur Color"]) 执行后会返回一个和 Primary Fur Color 列等长的布尔Series，每个元素对应原列对应行的值是否为缺失值，两种写法的差异本质是Python关键字运算和pandas重载运算符的逻辑不同：

• 写法1：not pandas.isna(data["Primary Fur Color"])
  Python内置的not是作用于单个布尔值的关键字，执行时会先尝试将整个Series对象转换为单个布尔值（即调用bool(Series)）。但pandas明确禁止对长度大于1的Series做直接布尔转换，因为无法判断你需要的是「所有元素为真」「存在元素为真」还是其他判断逻辑，这就是报错中提到的「Series的真值存在歧义」的来源，因此直接抛出ValueError。
• 写法2：pandas.isna(data["Primary Fur Color"]) != True
  pandas对!=等比较运算符做了重载，执行时会做逐元素运算：遍历Series的每一个元素，分别和True做不等比较，最终返回的仍然是一个等长的布尔Series。这种逐元素运算得到的布尔Series是pandas布尔索引的标准输入格式，因此可以正常用于过滤数据。

补充说明：实际开发中更推荐用逐元素取反运算符~来实现同样的逻辑，写法更简洁：~pandas.isna(data["Primary Fur Color"])，效果和第二种写法完全一致。

内容的提问来源于stack exchange，提问作者Arvind Kumar Avinash