前言：
眼前同学们对“python里面的与或非”大体比较关心，看官们都想要学习一些“python里面的与或非”的相关文章。那么小编同时在网上网罗了一些关于“python里面的与或非””的相关内容，希望同学们能喜欢，小伙伴们一起来学习一下吧！（&，|）和（and，or）是两组比较相似的运算符，用在“与”/ “或”上，在用法上有些许区别。
（&，|）和（and，or）是用来比较两组变量的，格式基本上是：
a & ba | ba and ba or b
如果a，b是数值变量， 则&， |表示位运算， and，or则依据是否非0来决定输出，
&， |：
# 1&2，2在二进制里面是10,1在二进制中是01，那么01与运算10得到是0 1 & 2 # 输出为 0， 1 | 2 # 输出为3and, or：
# 判断变量是否为0， 是0则为False，非0判断为True， # and中含0，返回0； 均为非0时，返回后一个值， 2 and 0 # 返回02 and 1 # 返回11 and 2 # 返回2# or中， 至少有一个非0时，返回第一个非0,2 or 0 # 返回22 or 1 # 返回20 or 1 # 返回1
如何a, b是逻辑变量， 则两类的用法基本一致
In[103]:(3>0) | (3<1)Out[103]: TrueIn[104]:(3>0) and (3<1)Out[104]: FalseIn[105]:(3>0) or (3<1)Out[105]: TrueIn[106]:(3>0) & (3<1)Out[106]: False
值得提及的是在DataFrame的切片过程，要注意逻辑变量的使用，
需要求得满足多个逻辑条件的数据时，要使用& 和|，在某些条件下用and/ or会报错‘ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().’
target_url = ""data = pd.read_csv(target_url, header=None, columns=['s_line', 's_wid', 'p_line', 'p_wid', 'kind'])data.columns = ['s_line', 's_wid', 'p_line', 'p_wid', 'kind']x_data = data.iloc[:, :-1]# 在多个逻辑条件下，用& 或者|，x_1 = x_data[x_data['s_line'] > 6 & x_data['p_wid'] > 0]
好了，本文就给大伙分享到这里，文末分享一波福利
获取方式：关注+私信我“python书籍”即可获取以上资源！
版权声明：
本站文章均来自互联网搜集，如有侵犯您的权益，请联系我们删除，谢谢。
标签： #python里面的与或非
