（&，|）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 & b
a | b
a and b
a or b
1
2
3
4
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3
1
2
3
4
5
6
and, 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0
2 and 1   # 返回1
1 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2
2 or 1   # 返回2
0 or 1   # 返回1
1
2
3
4
5
6
7
8
9
10
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]: True
In[104]:(3>0) and (3<1)
Out[104]: False
In[105]:(3>0) or (3<1)
Out[105]: True
In[106]:(3>0) & (3<1)
Out[106]: False
1
2
3
4
5
6
7
8
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 = "http://aima.cs.berkeley.edu/data/iris.csv"
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]


---------------------
【转载】
作者：ning_ML
原文：https://blog.csdn.net/weixin_40041218/article/details/80868521

到此一观