在or和andpython语句需要truth-值。因为pandas这些被认为是模棱两可的，所以您应该使用“按位” |（或）或&（和）操作：

result = result[(result['var']>0.25) | (result['var']<-0.25)]

对于此类数据结构，它们会重载以生成元素级or（或and）。

只是为该语句添加更多解释：

当您想获取的时bool，将引发异常pandas.Series：

>>> 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().

什么你打是一处经营隐含转换的操作数bool（你用or，但它也恰好为and，if和while）：

>>> 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().

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，…），这些都是通常不会有问题的pandas.Series，但出于完整性我想提一提这些。

在您的情况下，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和，or您可以使用（如果需要逐元素比较）：

numpy.logical_or：

>>> import numpy as np
>>> np.logical_or(x, y)

或简单地|算：

>>> x | y

numpy.logical_and：

>>> np.logical_and(x, y)

或简单地&算：

>>> x & y

如果您使用的是运算符，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。

如果您在执行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：

如果要检查您的系列是否为空：

>>> x = pd.Series([])
>>> x.empty
True
>>> x = pd.Series([1])
>>> x.empty
False

如果没有明确的布尔值解释，Python通常会将len容器的gth（如list，，tuple…）解释为真值。因此，如果您想进行类似python的检查，可以执行：if x.size或if not x.empty代替if x。

如果您Series包含一个且只有一个布尔值：

>>> x = pd.Series([100])
>>> (x > 50).bool()
True
>>> (x < 50).bool()
False

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

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