问题描述
在or@H_403_2@和and@H_403_2@python语句需要truth-@H_403_2@值。因为pandas@H_403_2@这些被认为是模棱两可的，所以你应该使用"bitwise" |（or）or&（and）@H_403_2@操作：
result = result[(result['var']>0.25) | (result['var']<-0.25)]
@H_403_2@对于此类数据结构，它们会重载以产生元素级or@H_403_2@（或and@H_403_2@）。
只是为该语句添加更多解释：
当你想获取的时bool@H_403_2@，会引发异常pandas.Series@H_403_2@：
>>> import pandas as pd
>>> x = pd.Series([1])
>>> bool(x)
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().
@H_403_2@什么你打是一处经营隐含转换的操作数bool@H_403_2@（你用or@H_403_2@，但它也恰好为and@H_403_2@，if@H_403_2@和while@H_403_2@）：
>>> x or x
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().
>>> x and x
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().
>>> if x:
... print('fun')
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().
>>> while x:
... print('fun')
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().
@H_403_2@除了这些4个语句有一些隐藏某几个Python函数bool调用（如any，all，filter，...@H_403_2@），这些都是通常不会有问题的pandas.Series@H_403_2@，但出于完整性我想提一提这些。
在你的情况下，该异常并没有真正的帮助，因为它没有提到正确的替代方法。对于and@H_403_2@和，or@H_403_2@你可以使用（如果需要逐元素比较）：
numpy.logical_or：@H_403_2@
>>> import numpy as np
>>> np.logical_or(x, y)
@H_403_2@或简单地|@H_403_2@算：
>>> x | y
@H_403_2@numpy.logical_and：@H_403_2@
>>> np.logical_and(x, y)
@H_403_2@或简单地&@H_403_2@算：
>>> x & y
@H_403_2@如果你使用的是运算符，请确保由于运算符优先级而正确设置了括号。
有几个逻辑numpy的功能，它应该工作的pandas.Series。
如果你在执行if或时遇到异常，则异常中提到的替代方法更适合while。我将在下面简短地解释每个：
如果要检查你的系列是否为空：
>>> x = pd.Series([])
>>> x.empty
True
>>> x = pd.Series([1])
>>> x.empty
False
@H_403_2@如果没有明确的布尔值解释，Python@H_403_2@通常会将len@H_403_2@容器的gth@H_403_2@（如list，，tuple...@H_403_2@）解释为真值。因此，如果你想进行类似python@H_403_2@的检查，可以执行：if x.size@H_403_2@或if not x.empty@H_403_2@代替if x@H_403_2@。
如果你仅Series包含一个布尔值：
>>> x = pd.Series([100])
>>> (x > 50).bool()
True
>>> (x < 50).bool()
False
@H_403_2@如果要检查系列的第一个也是唯一的一项（例如，.bool()但即使不是布尔型内容也可以使用）：
>>> x = pd.Series([100])
>>> x.item()
100
@H_403_2@如果要检查所有或任何项目是否为非零，非空或非假：
>>> x = pd.Series([0, 1, 2])
>>> x.all() # because one element is zero
False
>>> x.any() # because one (or more) elements are non-zero
True
@H_403_2@解决方法
在用or条件过滤我的结果数据帧时遇到问题。我希望我的结果df提取var大于0.25且小于-0.25的所有列值。
下面的逻辑为我提供了一个模糊的真实值，但是当我将此过滤分为两个单独的操作时，它起作用。这是怎么回事 不知道在哪里使用建议a.empty(),a.bool(),a.item(),a.any() or a.all()。
result = result[(result['var']>0.25) or (result['var']<-0.25)]