[Pandas]Dataframe中的多条件切片为什么不能使用and运算符

对于Dataframe中同一列，如果有多个条件，则不能使用and运算符，需要使用&位运算符。示例如下：

import pandas as pd
df = pd.DataFrame({'name':['a','a','b','b'],'classes':[1,2,3,4],'price':[11,22,33,44]})
print(df[(df['price']>11) and (df['price']<44)])

如果需要找到价格在20到40之间的行，则使用上述代码编译器报如下错误：

   Traceback (most recent call last):
  File "<input>", line 1, in <module>
  File "/Users/wangxxin/miniconda3/lib/python3.7/site-packages/pandas/core/generic.py", line 1576, in __nonzero__
    .format(self.__class__.__name__))
ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

报错的大概意思就是值是模棱两可，不清晰的，系统无法处理。
这个时间，如果把上述最后一句代码调整为：

df.loc[(df['price']>11) & (df['price']<44)]
#就可以输出正确的内容，如下表示：
      name  classes  price
1    a        2     22
2    b        3     33

那么疑问来了，为什么使用and会报错，而使用&不会报错呢？
这个时候需要回归问题的本质：and与&到底有什么区别？
1、and是python中的逻辑运算符；
2、&是python中的位运算符；
例如：
你可以使用and来表示：1 and 2 =2
但是如果二进制的位运算，则是and无法胜算的

#a=60,二进制数为：0011 1100
a = 0b111100
#b=13，二进制数为：0000 1101
b=0b1101
#a&b，按位运算，应该为：0000 1100,bn 也就是下面的值：12
a&b
12

好了，理解完and与&的区别，后，我们再来看

df[(df['price']>11) and (df['price']<44)]

与

df.loc[(df['price']>11) & (df['price']<44)]

的区别。直接看还是有点不清楚的，再看df[‘price’]>11打印出来看一下，也许就清晰了，结果如下：

df['price']>11
0    False
1     True
2     True
3     True
Name: price, dtype: bool

这样就一目了然了，因为他的值并不是一个数值，而是一个seriers，需要进行按位运算的，所以只能使用&，而不能使用and运算符。