Python中表示“并且”的符号是and还是&?

蓝鲸
蓝鲸
发布时间:2026-11-19| 4人浏览过
原创

深入解析Python中表示“并且”的符号是and还是&。通过原理解析、短路机制、运算符优先级陷阱以及Pandas/NumPy向量化场景,清晰掌握and与&的核心区别与正确用法。

在 Python 的常规条件判断与布尔逻辑中,表示“并且”的符号是关键字 and,而不是符号 &。符号 & 是按位与(Bitwise AND)运算符,专门用于对整数执行二进制逐位计算;仅在特定的第三方数据分析库(如 Pandas 和 NumPy)进行数组向量化过滤时,& 才会通过运算符重载扮演逐元素的“并且”角色。

许多初学者或从 C、Java 等其他编程语言转到 Python 的开发者,常因惯性思维写出形如 if a > 0 & b > 0: 的代码。这种写法不仅无法达到预期逻辑,还会引发隐蔽的优先级错误乃至程序崩溃。理解 and 与 & 的根本区别,是编写稳健 Python 代码的必备基础。

一、核心定位区别:逻辑与(and)与按位与(&)

在 Python 语言的设计规范中,and 和 & 分属完全不同的运算体系:

  • and(逻辑与运算符):用于布尔上下文(Boolean context)中的条件分支(如 if、while)与复合逻辑。它对左右两个操作数求真值,遵循标准的命题逻辑规则。
  • &(按位与运算符):用于数字的二进制表示之间或集合运算中。它会对两个整数在内存中的每一个二进制位进行对比,只有两位均为 1 时结果位才为 1。
Python中表示“并且”的符号是and还是&?
图 1:Python 中 and 与 & 的基本选择判断路径

二、运行机制差异:短路求值与二进制逐位计算

要真正搞清楚为什么日常条件判断不能用 & 代替 and,必须从二者的底层运行机制入手。

1. 逻辑与(and)的短路求值特性

and 具有短路求值(Short-circuit Evaluation)的保护机制。在执行 A and B 时:

  • 首先计算左侧表达式 A 的真值。
  • 如果 A 为假(例如 False、None、0、空列表等),整个逻辑结果必然为假,Python 会立刻停止计算,根本不会去执行右侧的 B,并直接返回 A 的原始值。
  • 只有当 A 为真时,Python 才会去计算并返回 B 的值。

这一特性在编写安全检查代码时具有决定性意义。例如:

# 安全写法:利用 and 的短路保护
user = None
if user is not None and user.is_authenticated():
    print("用户已登录")
# 此时 user is not None 为 False,右侧的 user.is_authenticated() 根本不会执行,安全跳过

2. 按位与(&)的全量求值与位运算

相比之下,& 是一个普通的二元运算符,完全没有短路机制。无论左侧表达式的结果是什么,右侧表达式都必须被强制执行求值:

# 错误且危险的写法:使用 & 
user = None
if (user is not None) & user.is_authenticated():
    print("用户已登录")
# 报错:AttributeError: 'NoneType' object has no attribute 'is_authenticated'

即使左侧的 user is not None 明确算出了 False,由于 & 没有短路能力,右侧依然强行调用 user.is_authenticated(),直接抛出空指针异常。

此外,对于整数,& 执行的是底层补码二进制位的逐位运算:

a = 12  # 二进制: 0b1100
b = 10  # 二进制: 0b1010
result = a & b  # 二进制: 0b1000 -> 整数 8
Python中表示“并且”的符号是and还是&?
图 2:and 的短路决策流程与 & 的无短路求值差异

三、最容易踩坑的陷阱:运算符优先级与语法偏差

很多开发者认为:“即使 & 不短路,如果我两边都是纯粹的布尔比较表达式(比如 a > 0 和 b > 0),用 & 难道不行吗?”

答案是:绝对不行,这会触发极度隐蔽的运算符优先级灾难!

在 Python 的运算符优先级表中:

  • 按位运算符 & 的优先级高于比较运算符(>、<、==、!= 等)。
  • 逻辑运算符 and 的优先级低于比较运算符。

我们来看下面的真实代码对比:

a = 5
b = -2

# 场景 1:使用 and
if a > 0 and b > 0:
    print("两个数都大于 0")
# Python 执行解析为:(a > 0) and (b > 0)
# (True) and (False) -> False,判断完全符合人类直觉。

# 场景 2:直接使用 &
if a > 0 & b > 0:
    print("执行了分支")
# 令人震惊的是:这段代码打印出了“执行了分支”!

为什么 a > 0 & b > 0 会被判定为真?因为 & 优先级高于 >,Python 实际将其解析为:

a > (0 & b) > 0
# 先计算 0 & b:0 & -2 结果为 0
# 表达式变成:a > 0 > 0
# 这是一个链式比较:(a > 0) and (0 > 0)
# 5 > 0 为 True,而 0 > 0 为 False,最终为 False。
# 但如果写成 a == 1 & b == 2,解析为 a == (1 & b) == 2,逻辑彻底错乱!
重要警告:如果不给每个比较子句加上小括号,使用 & 进行条件组合几乎必然导致非预期的优先级绑定,造成难以排查的业务逻辑漏洞。
Python中表示“并且”的符号是and还是&?
图 3:运算符优先级导致的代码语义偏移分析

四、常见例外场景:为什么在 Pandas / NumPy 中必须用 &?

在数据科学与数据分析实战中,常常能看到类似下面的代码:

# Pandas 数据过滤经典语句
filtered_df = df[(df['age'] > 18) & (df['score'] >= 80)]

这时很多开发者会困惑:既然说 and 才是表示“并且”,为什么这里换成 and 会直接抛出异常?

# 尝试在 Pandas 中使用 and
filtered_df = df[(df['age'] > 18) and (df['score'] >= 80)]
# 抛出异常:ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

这背后的核心原因在于运算维度的差异与魔法方法重载:

  1. and 要求单一真值:Python 的 and 关键字属于解释器层级的控制流指令,会隐式调用操作数的 __bool__() 方法,要求其返回一个明确的布尔标量(True 或 False)。而 df['age'] > 18 返回的是一个包含成千上万个元素的 Series 对象。一个包含多个布尔值的列表/序列,究竟代表总体是真还是假?解释器无法预设,因此抛出“真值具有歧义”的错误。
  2. & 支持运算符重载(Operator Overloading):& 对应底层特殊方法 __and__()。Pandas 和 NumPy 重写了该方法,赋予其“逐元素逐位计算(Element-wise)”的向量化能力。它会对数组里的每一行数据逐一执行布尔与操作,最终返回一个同等长度的布尔掩码。
  3. 必须加括号的原因:正如第三节所述,由于 & 的优先级高于 > 和 >=,如果不给 (df['age'] > 18) 两侧加上小括号,解释器会先计算 18 & df['score'],直接导致语义错误。

五、and 与 & 核心差异与场景速查总结

为了在实际编码过程中不产生混淆,我们将 and 与 & 的各项技术指标与适用场景对比总结如下:

对比维度 逻辑运算符 and 按位运算符 &
语法属性 Python 关键字(保留字) 内置二元数学/位操作符
短路特性 支持(左侧为假时右侧直接跳过) 不支持(左右两端强制全量计算)
运算符优先级 极低(低于比较运算符 >、== 等) 较高(高于比较运算符)
返回值类型 决定最终真假的操作数原始值 位运算后的整数、集合交集或重载数组
底层对应方法 语言核心机制,直接调用 __bool__ 可被对象重载的 __and__ 方法
典型适用场景 普通业务逻辑、if 分支、空值防卫链 底层位操作、掩码过滤、Pandas/NumPy 向量化过滤
Python中表示“并且”的符号是and还是&?
图 4:Python and 与 & 核心机制及使用模式速查全景图

快速自查清单

  1. 写 if 或 while 条件时,脑海里是否下意识敲了 &?请立即改为 and。
  2. 表达式右边依赖左边的空值或类型检查时(如 item is not None and item.value),必须使用 and 获取短路保护。
  3. 在编写 Pandas 表达式时,如果需要筛选同时满足两个条件的行,必须使用 &,并且每一个条件都必须用括号包裹,例如 (condition1) & (condition2)。
相关专题:

免责声明:本文内容仅供参考,不代表本站观点。转载或引用请注明出处。

Python 相关产品和应用

全部下载
Selenium

Selenium

4.51.0 · Windows

用于浏览器自动化和 Web 测试的 Python 工具。

scikit-learn

scikit-learn

1.9.1 · Windows

常用 Python 机器学习算法与模型评估工具库。

Black

Black

26.10.1 · Windows

强调一致性的 Python 自动代码格式化工具。

Ruff

Ruff

0.17.1 · macOS

由 Rust 编写的高速 Python 代码检查和格式化工具。

pytest

pytest

9.1.1 · Windows

简洁而强大的 Python 自动化测试框架。

FastAPI

FastAPI

0.146.0 · Windows

高性能 Python API 框架,支持类型提示和自动接口文档。

Flask

Flask

3.1.3 · Windows

轻量灵活的 Python Web 应用框架。

Django

Django

6.1.2 · Windows

成熟的 Python Web 框架,适合构建内容站点和业务系统。

Spyder

Spyder

6.1.7 · Windows

面向科学计算与数据分析的 Python 集成开发环境。

SciPy

SciPy

1.18.1 · Windows

面向科学、工程和技术计算的 Python 算法库。