Pandas布尔索引多条件筛选报错求助：三种实现方式均失败

咱们来一步步拆解你遇到的三个错误，然后给出正确的实现方式：

错误原因分析 #

1. 使用&运算符时的错误 #

你写的dataset[dataset.age > 0] & dataset[dataset.age < 20]，这里的问题在于：

• dataset[dataset.age > 0]返回的是符合条件的DataFrame，而不是布尔值Series
• &运算符需要作用在布尔条件（即dataset.age > 0这种返回布尔Series的表达式）上，而不是筛选后的DataFrame，所以会报类型不匹配的错误

2. 使用and运算符的错误 #

Python的and是针对单个布尔值的逻辑运算符，而dataset[dataset.age > 0]是一个DataFrame，Python无法判断整个DataFrame的“真值”（到底是只要有一个True就算True，还是全部True才算？），所以会抛出ValueError提示你真值不明确。Pandas里的多条件逻辑判断必须用位运算符&（且）、|（或），并且每个条件要加括号。

3. 使用numpy.logical_and的错误 #

你传入的参数是dataset[dataset.age > 0]和dataset[dataset.age < 20]，这两个都是筛选后的DataFrame，它们的行数不一样（1309 vs 135），numpy.logical_and要求两个输入的形状完全一致才能广播运算。正确的做法是传入布尔条件本身（即dataset.age > 0和dataset.age < 20），这两个都是和原DataFrame行数相同的布尔Series。

正确的实现方式 #

方式一：标准的布尔条件筛选（推荐） #

把两个布尔条件用&连接，并且每个条件用括号括起来（避免运算符优先级问题）：

import pandas as pd

dataset = pd.read_csv('insurance.csv')

def AgeRange(self):
    rows = dataset[(dataset.age > 0) & (dataset.age < 20)]
    print(rows)

方式二：使用query方法（更简洁） #

Pandas的query方法支持直接写类SQL的查询语句，代码更易读：

def AgeRange(self):
    rows = dataset.query("age > 0 and age < 20")
    print(rows)

方式三：正确使用numpy.logical_and #

先生成布尔掩码，再用掩码筛选DataFrame：

import numpy as np

def AgeRange(self):
    # 生成形状匹配的布尔掩码
    age_mask = np.logical_and(dataset.age > 0, dataset.age < 20)
    rows = dataset[age_mask]
    print(rows)

额外小建议 #

你的Female函数可以写成更规范的形式，用索引访问列（避免列名和Pandas内置属性重名的情况）：

def Female(self):
    rows = dataset[dataset['sex'] == 1]
    print(rows)

内容的提问来源于stack exchange，提问作者user10448598