和python 语句需要or-values 。因为这些被认为是模棱两可的，所以你应该使用“按位”
（或）或（和）操作：and``truth``pandas``|``&

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

对于这些类型的数据结构，这些被重载以产生元素方式or（或and）。

只是为了对此声明添加更多解释：

当您想要获取boola时会引发异常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().

您遇到的是运算符 隐式 将操作数转换为的位置bool（您使用过or，但它也发生在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 4 条语句之外，还有几个 python 函数可以隐藏一些bool调用（如any, all, filter,
…），这些通常没有问题，pandas.Series但为了完整起见，我想提一下这些。

在您的情况下，异常并没有真正的帮助，因为它没有提到 正确的替代品 。对于and并且or您可以使用（如果您想要逐元素比较）：

• numpy.logical_or：

  >>> import numpy as np
  

  np.logical_or(x, y)

或者只是|操作员：

    >>> x | y

• numpy.logical_and：

  >>> np.logical_and(x, y)
  

或者只是&操作员：

    >>> x & y

如果您使用运算符，请确保正确设置括号，因为运算符优先级。

有几个逻辑 numpy
函数 应该在pandas.Series.

if如果您在执行或时遇到了异常中提到的替代方案，则更适合while。我将简要解释其中的每一个：

• 如果您想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解释，Python 通常将length 的容器（如list, , …）解释为真值。tuple因此，如果您想要类似
python 的检查，您可以这样做：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

• 如果您想检查您的系列的 第一个也是唯一一个项目 （例如.bool()但即使对于非布尔内容也有效）：

  >>> x = pd.Series([100])
  

  x.item()
  100

• 如果您想检查 所有 或 任何 项目是否非零、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