据我了解的这个问题（来自C 的背景，目前正在学习Python的数据科学），我偶然发现了几篇文章，建议可以在类中重载按位运算符（＆，|），就像C
一样。
因此，基本上，虽然您可以在数字上使用此类按位运算符，但它们将比较这些位并为您提供结果。因此，例如，如果您具有以下条件：
1 | 2＃将导致3
Python实际要做的是比较这些数字的位：
00000001 | 00000010
结果将是：
00000011（因为0 | 0为False，因此为ergo 0； 0 | 1为True，因此为ergo 1）
作为整数：3
它比较数字的每一位，并吐出这八个连续操作的结果。这是这些操作员的正常行为。
输入熊猫。当您可以使这些运算符重载时，Pandas便利用了此功能。因此，当涉及到熊猫数据帧时，按位运算符将执行以下操作：
（dataframe1 [‘column’] ==“表达式”）＆（dataframe1 [‘column’]！=“另一个表达式）
在这种情况下，第一个熊猫将根据==和！=运算的结果创建一系列对错（请
注意：您必须在括号外加上大括号，因为python始终会尝试解析第一个按位运算符，然后其他比较运算符！！
）。因此，它将列中的每个值与表达式进行比较，并输出true或false。
然后，您将获得两个相同长度的对与错。然后，要做的是将这两个系列取而代之，然后将它们与“和”（＆）或“或”（|）进行比较，最后吐出一个单独的系列，即满足或不满足所有三个比较操作。
更进一步，我认为幕后情况是＆运算符实际上调用了pandas函数，为它们提供了先前评估过的运算（因此运算符左右两个序列），然后将pandas比较一次使用两个不同的值，并根据确定该值的内部机制返回True或False。
这基本上是它们用于所有其他运算符（>，<，> =，<=，==，！=）的相同原理。
当您获得优美而整洁的“ and”时，为什么还要进行斗争并使用不同的表达？好吧，这似乎是因为“和”只是硬编码，不能手动更改。
希望有帮助！
