你可以在pandas中使用**&**符号作为一个 "AND "操作符。
例如，你可以使用下面的基本语法来过滤pandas DataFrame中满足条件1和 条件2的行。
df[(condition1) & (condition2)]
下面的例子展示了如何在不同的情况下使用这个 "AND "运算符。
例子1：在Pandas中使用 "AND "操作符来过滤基于数值的行
假设我们有如下的pandas数据框架：
import pandas as pd
#create DataFrame
df = pd.DataFrame({'team': ['A', 'A', 'B', 'B', 'B', 'B', 'C', 'C'],
'points': [25, 12, 15, 14, 19, 23, 25, 29],
'assists': [5, 7, 7, 9, 12, 9, 9, 4],
'rebounds': [11, 8, 10, 6, 6, 5, 9, 12]})
#view DataFrame
print(df)
team points assists rebounds
0 A 25 5 11
1 A 12 7 8
2 B 15 7 10
3 B 14 9 6
4 B 19 12 6
5 B 23 9 5
6 C 25 9 9
7 C 29 4 12
我们可以使用下面的语法来过滤DataFrame中积分列的值大于20且 助攻列的值等于9的行。
#filter rows where points > 20 and assists = 9
df[(df.points > 20) & (df.assists == 9)]
team points assists rebounds
5 B 23 9 5
6 C 25 9 9
唯一返回的行是积分大于20且 助攻值等于9的行。
例2：在Pandas中使用 "AND "操作符来过滤基于字符串值的行
假设我们有下面这个pandas数据框架：
import pandas as pd
#create DataFrame
df = pd.DataFrame({'team': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H'],
'position': ['G', 'G', 'F', 'F', 'C', 'F', 'C', 'C'],
'conference': ['W', 'W', 'W', 'W', 'E', 'E', 'E', 'E'],
'points': [11, 8, 10, 6, 6, 5, 9, 12]})
#view DataFrame
print(df)
team position conference points
0 A G W 11
1 B G W 8
2 C F W 10
3 D F W 6
4 E C E 6
5 F F E 5
6 G C E 9
7 H C E 12
我们可以使用下面的语法来过滤DataFrame中位置列的值等于G且会议列的值等于W的行。
#filter rows based on string values
df[(df.position == 'G') & (df.conference == 'W')]
team position conference points
0 A G W 11
1 B G W 8
唯一返回的行是位置列等于G**，**会议列等于W的行。
其他资源
下面的教程解释了如何在pandas中执行其他常见任务：
