1、逻辑与

Pandas中用符号 & 表示逻辑与，连接两个逻辑语句，同时为真才为真。

在Python基本语法中，使用 and 表示逻辑与，但是Pandas中只能用 & ，不能用and，会报模糊错误。

2、逻辑或

Pandas中用符号 | 表示逻辑或，连接两个逻辑语句，只要其中一个为真就为真。

在Python基本语法中，使用 or 表示逻辑或，但是Pandas中只能用 | ，不能用or。

3、逻辑非

Pandas中用符号 ~ (键盘左上角)表示逻辑非，对逻辑语句取反。

在Python基本语法中，使用 not 表示逻辑非，但是Pandas中只能用 ~ ，不能用not。

print (3==3)
print not(3==3)
print ~(3==3)

# 结果
True
False
-2



print (6>1) & (8>7)
print (6>1) and (8>7)
print (8<1) | (8>1)
print (8<1) or (8>1)
print (not((8<1) | (8>1)))
print (~((8<1) | (8>1)))

#结果
True
True
True
True
False
-2

| 对应 or

& 对应 and

~ 对应 not

s = pd.Series(range(-3, 4))
print s
print s[(s < -1) | (s > 0.5)]


0   -3
1   -2
2   -1
3    0
4    1
5    2
6    3
dtype: int64
0   -3
1   -2
4    1
5    2
6    3
dtype: int64

使用Pandas从多个条件（AND，OR，NOT）中提取行的方法。

有以下2点需要注意：

• ＆，|，〜的使用（and、or、not的错误）
• 使用比较运算符时，请将每个条件括在括号中。

以下数据为例。

import pandas as pd

df = pd.read_csv('./data/09/sample_pandas_normal.csv')
print(df)
#       name  age state  point
# 0    Alice   24    NY     64
# 1      Bob   42    CA     92
# 2  Charlie   18    CA     70
# 3     Dave   68    TX     70
# 4    Ellen   24    CA     88
# 5    Frank   30    NY     57

本例是使用pandas.DataFrame，但pandas.Series也同样适用。
首先，展示如何从pandas.DataFrame中提取（选择）行以获得新的pandas.DataFrame。

1、使用布尔列表（数组）或pandas.Series，只能提取（选择）True行。

mask = [True, False, True, False, True, False]
df_mask = df[mask]
print(df_mask)
#       name  age state  point
# 0    Alice   24    NY     64
# 2  Charlie   18    CA     70
# 4    Ellen   24    CA     88

2、通过AND，OR，NOT多个条件提取（选择）行的代码-示例
具有两个条件值的pandas.Series，可以使用＆获得如下结果。在这里，为了便于说明，将==和〜用作二个条件，但是仅使用！=也是可以。

print(df['age'] < 35)
# 0     True
# 1    False
# 2     True
# 3    False
# 4     True
# 5     True
# Name: age, dtype: bool

print(~(df['state'] == 'NY'))
# 0    False
# 1     True
# 2     True
# 3     True
# 4     True
# 5    False
# Name: state, dtype: bool

print((df['age'] < 35) & ~(df['state'] == 'NY'))
# 0    False
# 1    False
# 2     True
# 3    False
# 4     True
# 5    False
# dtype: bool

仅提取（选择）True行。

df_and = df[(df['age'] < 35) & ~(df['state'] == 'NY')]
print(df_and)
#       name  age state  point
# 2  Charlie   18    CA     70
# 4    Ellen   24    CA     88

对于OR也是如此。使用|。

print((df['age'] < 20) | (df['point'] > 90))
# 0    False
# 1     True
# 2     True
# 3    False
# 4    False
# 5    False
# dtype: bool

df_or = df[(df['age'] < 20) | (df['point'] > 90)]
print(df_or)
#       name  age state  point
# 1      Bob   42    CA     92
# 2  Charlie   18    CA     70

3个以上条件的运算符的优先级
运算符的优先级是NOT（〜），AND（＆），OR（|）。因此，结果因顺序而异。

df_multi_1 = df[(df['age'] < 35) | ~(df['state'] == 'NY') & (df['point'] < 75)]
print(df_multi_1)
#       name  age state  point
# 0    Alice   24    NY     64
# 2  Charlie   18    CA     70
# 3     Dave   68    TX     70
# 4    Ellen   24    CA     88
# 5    Frank   30    NY     57

df_multi_2 = df[(df['age'] < 35) & (df['point'] < 75) | ~(df['state'] == 'NY')]
print(df_multi_2)
#       name  age state  point
# 0    Alice   24    NY     64
# 1      Bob   42    CA     92
# 2  Charlie   18    CA     70
# 3     Dave   68    TX     70
# 4    Ellen   24    CA     88
# 5    Frank   30    NY     57

将每个组括在括号中比较安全。

df_multi_3 = df[((df['age'] < 35) | ~(df['state'] == 'NY')) & (df['point'] < 75)]
print(df_multi_3)
#       name  age state  point
# 0    Alice   24    NY     64
# 2  Charlie   18    CA     70
# 3     Dave   68    TX     70
# 5    Frank   30    NY     57

参考：09_Pandas从多个条件（AND，OR，NOT）中提取行_饺子大人的博客-CSDN博客