Pandas多条件过滤问题：布尔索引两种写法结果不同

嘿，这个问题我太熟了！好多刚用Pandas做布尔索引的朋友都会踩这个坑，核心原因要么是运算符优先级搞混了，要么是用错了逻辑运算符，给你拆解清楚：

先还原你大概率遇到的场景：

1. 能得到预期结果的正确写法 #

你应该是用了这种「每个条件加括号 + 用&连接」的形式：

# 正确示例：独立条件用括号包裹，用Pandas的&做逻辑与
result1 = df[(df['column1'] > 50) & (df['column2'] == 'completed')]

2. 返回空行的错误写法（你以为等价的版本） #

常见的错误有两种：

情况一：没给单个条件加括号，触发运算符优先级问题 #

比如你省略了括号，写成了：

# 错误示例：&的优先级比比较运算符高，逻辑完全走偏
result2 = df[df['column1'] > 50 & df['column2'] == 'completed']

Python的运算符优先级里，位运算符&比>、==这类比较运算符优先级更高。所以上面的代码会先计算50 & df['column2']，而不是先分别算出两个布尔条件，这就导致整个判断逻辑完全错误，自然返回空行。

情况二：用了Python原生的and而非Pandas的& #

如果你写成了这样：

# 错误示例：用Python的and处理Pandas Series
result2 = df[(df['column1'] > 50) and (df['column2'] == 'completed')]

and要求两边是单个布尔值，但df['column1']>50返回的是一个布尔Series（一组值），Pandas没法用and来做这种批量逻辑判断。虽然有时候不会直接报错，但会返回不符合预期的结果（比如空行）。Pandas专门提供了&（逻辑与）、|（逻辑或）、~（逻辑非）来处理Series级别的布尔运算。

快速验证方法 #

你可以把两种写法的条件单独打印出来，对比差异：

# 打印正确条件的布尔Series
print((df['column1'] > 50) & (df['column2'] == 'completed'))
# 打印错误条件的布尔Series（比如没加括号的版本）
print(df['column1'] > 50 & df['column2'] == 'completed')

一眼就能看到两个条件的逻辑结果完全不一样。

总结要点 #

多条件布尔索引必须满足两个要求：

• 每个独立条件用括号包裹，避免运算符优先级干扰
• 用Pandas专属的逻辑运算符&/|/~，而非Python原生的and/or/not

内容的提问来源于stack exchange，提问作者anon_swe