🔥
个人主页：
杨利杰YJlio
❄️
个人专栏：
《Sysinternals实战教程》
《Windows PowerShell 实战》
《WINDOWS教程》
《IOS教程》
《微信助手》
《锤子助手》
《Python》
《Kali Linux》
《那些年未解决的Windows疑难杂症》
🌟
让复杂的事情更简单，让重复的工作自动化
《超简单：用 Python 让 Excel 飞起来》读书笔记：2.4.4 逻辑运算符 and / or，把 Excel 条件判断串起来
- 1. 2.4.4 逻辑运算符：用 and 和 or 把条件串起来
- 2. 为什么 Excel 自动化离不开逻辑运算符？
- 3. and：所有条件都满足才通过
-
- 3.1 基础示例：金额大于 3000 且部门是 IT
- 3.2 只要有一个条件不满足，结果就是 False
- 3.3 放到 Excel 行数据里理解
- 4. or：任意条件满足就通过
-
- 4.1 基础示例：状态是待处理或异常
- 4.2 状态不匹配时才是 False
- 4.3 部门是 IT 或财务都要处理
- 5. and 和 or 的区别：不要只背中文意思
-
- 5.1 混合条件建议加括号
- 6. 常见错误：or 不能省略左侧比较对象
-
- 6.1 错误写法
- 6.2 正确写法
- 6.3 更推荐的写法：使用 in
- 7. 短路特性：先判空，再处理
-
- 7.1 先判空再转字符串
- 7.2 or 的短路规则
- 8. 把 and / or 放回 Excel 自动化流程里
-
- 8.1 一个完整的模拟案例
- 8.2 条件拆开写，比一行写完更稳
- 9. 常见问题与踩坑提醒
-
- 9.1 and 和 or 能不能随便混用？
- 9.2 为什么我写了 or，结果所有数据都命中了？
- 9.3 判断多个状态时，用 or 还是 in？
- 9.4 处理 Excel 空值时，为什么要先判空？
- 10. 总结提升
1. 2.4.4 逻辑运算符：用 and 和 or 把条件串起来
这一篇继续整理《超简单：用 Python 让 Excel 飞起来》的读书笔记，主题是 Python 里的逻辑运算符。前面学过比较运算符，例如 >、<、==、!=，这些符号可以判断一个条件是否成立。但在真实 Excel 自动化场景里，很多判断并不是一个条件就能完成。
比如报销数据里，只筛选 金额 > 3000 不够，因为可能还要限定部门；只判断状态是不是“异常”也不够，因为“待处理”可能同样需要进入处理流程。这个时候就需要用 and 和 or 把多个条件串起来。
我的理解是：比较运算符负责判断“单个条件”，逻辑运算符负责把“多个条件”组合成真正的业务规则。 如果说比较运算符是在判断一个单元格，那么逻辑运算符就是在判断一整行数据到底该不该被处理。
这张图展示的是逻辑运算符在 Excel 自动化中的整体作用：通过 and 和 or 把多个条件连接起来，最终得到筛选结果。
从图中可以看出，逻辑运算符不是孤立的语法点。它会直接影响自动化脚本如何筛选数据、如何判断行记录、如何决定哪些内容进入下一步处理。如果逻辑条件写错，脚本可能不会报错，但筛选出来的数据会悄悄变错，这比直接报错更危险。
#mermaid-svg-iyNXxhhdbtQhbksI{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-iyNXxhhdbtQhbksI .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-iyNXxhhdbtQhbksI .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-iyNXxhhdbtQhbksI .error-icon{fill:#552222;}#mermaid-svg-iyNXxhhdbtQhbksI .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-iyNXxhhdbtQhbksI .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-iyNXxhhdbtQhbksI .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-iyNXxhhdbtQhbksI .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-iyNXxhhdbtQhbksI .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-iyNXxhhdbtQhbksI .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-iyNXxhhdbtQhbksI .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-iyNXxhhdbtQhbksI .marker{fill:#333333;stroke:#333333;}#mermaid-svg-iyNXxhhdbtQhbksI .marker.cross{stroke:#333333;}#mermaid-svg-iyNXxhhdbtQhbksI svg{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-iyNXxhhdbtQhbksI p{margin:0;}#mermaid-svg-iyNXxhhdbtQhbksI .label{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;color:#333;}#mermaid-svg-iyNXxhhdbtQhbksI .cluster-label text{fill:#333;}#mermaid-svg-iyNXxhhdbtQhbksI .cluster-label span{color:#333;}#mermaid-svg-iyNXxhhdbtQhbksI .cluster-label span p{background-color:transparent;}#mermaid-svg-iyNXxhhdbtQhbksI .label text,#mermaid-svg-iyNXxhhdbtQhbksI span{fill:#333;color:#333;}#mermaid-svg-iyNXxhhdbtQhbksI .node rect,#mermaid-svg-iyNXxhhdbtQhbksI .node circle,#mermaid-svg-iyNXxhhdbtQhbksI .node ellipse,#mermaid-svg-iyNXxhhdbtQhbksI .node polygon,#mermaid-svg-iyNXxhhdbtQhbksI .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-iyNXxhhdbtQhbksI .rough-node .label text,#mermaid-svg-iyNXxhhdbtQhbksI .node .label text,#mermaid-svg-iyNXxhhdbtQhbksI .image-shape .label,#mermaid-svg-iyNXxhhdbtQhbksI .icon-shape .label{text-anchor:middle;}#mermaid-svg-iyNXxhhdbtQhbksI .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-iyNXxhhdbtQhbksI .rough-node .label,#mermaid-svg-iyNXxhhdbtQhbksI .node .label,#mermaid-svg-iyNXxhhdbtQhbksI .image-shape .label,#mermaid-svg-iyNXxhhdbtQhbksI .icon-shape .label{text-align:center;}#mermaid-svg-iyNXxhhdbtQhbksI .node.clickable{cursor:pointer;}#mermaid-svg-iyNXxhhdbtQhbksI .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-iyNXxhhdbtQhbksI .arrowheadPath{fill:#333333;}#mermaid-svg-iyNXxhhdbtQhbksI .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-iyNXxhhdbtQhbksI .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-iyNXxhhdbtQhbksI .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-iyNXxhhdbtQhbksI .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-iyNXxhhdbtQhbksI .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-iyNXxhhdbtQhbksI .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-iyNXxhhdbtQhbksI .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-iyNXxhhdbtQhbksI .cluster text{fill:#333;}#mermaid-svg-iyNXxhhdbtQhbksI .cluster span{color:#333;}#mermaid-svg-iyNXxhhdbtQhbksI div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-iyNXxhhdbtQhbksI .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-iyNXxhhdbtQhbksI rect.text{fill:none;stroke-width:0;}#mermaid-svg-iyNXxhhdbtQhbksI .icon-shape,#mermaid-svg-iyNXxhhdbtQhbksI .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-iyNXxhhdbtQhbksI .icon-shape p,#mermaid-svg-iyNXxhhdbtQhbksI .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-iyNXxhhdbtQhbksI .icon-shape .label rect,#mermaid-svg-iyNXxhhdbtQhbksI .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-iyNXxhhdbtQhbksI .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-iyNXxhhdbtQhbksI .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-iyNXxhhdbtQhbksI :root{–mermaid-font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}
必须全部满足
满足任意一个即可
读取 Excel 数据
写出单个条件
多个条件如何组合?
使用 and
使用 or
进入 if 判断
筛选 / 处理 / 输出结果
2. 为什么 Excel 自动化离不开逻辑运算符？
如果只是写最简单的 Python 示例，单个条件已经够用。但一旦开始处理 Excel，业务规则通常会变成复合条件。
比如下面这些判断，在办公数据里非常常见：
金额大于 3000，并且部门是 IT
状态是待处理，或者状态是异常
文件存在，并且文件后缀是 .xlsx
员工属于正式员工，并且本月考勤异常次数大于 0
这些判断的共同点是：它们都不是单个比较能完成的，而是需要把多个条件组合起来。此时 and 和 or 就变成了自动化脚本中的“业务规则连接器”。
推荐理解方式： 写逻辑条件之前，不要急着敲代码，先用中文把规则说清楚。凡是出现“并且”，通常考虑 and；凡是出现“或者”，通常考虑 or。
例如这条业务规则：
只处理 IT 部门，并且金额大于等于 3000 的记录
翻译成代码就是：
row["部门"] == "IT" and row["金额"] >= 3000
再比如这条规则：
状态是待处理，或者状态是异常，都需要继续处理
翻译成代码就是：
status == "待处理" or status == "异常"
这就是逻辑运算符的实际价值：把人能看懂的业务规则，翻译成 Python 能执行的判断条件。
3. and：所有条件都满足才通过
and 的含义是“并且”。它要求左右两边的条件都为 True，最终结果才是 True。只要其中一个条件不成立，整体结果就是 False。
可以先看一张真值表：
| True | True | True |
| True | False | False |
| False | True | False |
| False | False | False |
简单说：and 适合“必须同时满足多个条件才处理”的场景。
这张图展示的是 and 的典型业务判断：金额大于 3000，并且部门等于 IT，两个条件都成立时才输出 True。
从图中能看出，and 不是“满足一个就行”，而是两个条件都要过关。对于 Excel 自动化来说，这类逻辑经常用于筛选报销、过滤异常数据、判断是否进入审批或处理流程。
3.1 基础示例：金额大于 3000 且部门是 IT
money = 3500
dept = "IT"
print(money > 3000 and dept == "IT")
输出结果是：
True
因为 money > 3000 成立，dept == "IT" 也成立，所以整体结果为 True。
3.2 只要有一个条件不满足，结果就是 False
money = 3500
dept = "财务"
print(money > 3000 and dept == "IT")
输出结果是：
False
虽然金额条件成立，但部门不是 IT，所以整体条件不通过。这就是 and 的关键：它不是看某一个条件，而是看所有条件是否同时成立。
3.3 放到 Excel 行数据里理解
下面这个例子更贴近 Excel 自动化。我们把每一行数据看成一个字典，模拟从 Excel 中读取出来的行记录。
rows = [
{"姓名": "张三", "部门": "IT", "金额": 3500},
{"姓名": "李四", "部门": "财务", "金额": 8000},
{"姓名": "王五", "部门": "IT", "金额": 1200},
]
for row in rows:
if row["部门"] == "IT" and row["金额"] >= 3000:
print("命中：", row)
输出结果是：
命中： {'姓名': '张三', '部门': 'IT', '金额': 3500}
李四金额虽然高，但部门不是 IT；王五部门是 IT，但金额不够。最终只有张三同时满足两个条件。
这里的重点不是代码多复杂，而是逻辑边界要准确：业务要求“同时满足”，代码就应该使用 and。
4. or：任意条件满足就通过
or 的含义是“或者”。它的规则和 and 不一样：左右两边只要有一个条件为 True，整体结果就是 True。
先看真值表：
| True | True | True |
| True | False | True |
| False | True | True |
| False | False | False |
简单说：or 适合“命中任意一种情况就处理”的场景。
这张图展示的是 or 的典型状态判断：状态是“待处理”或者“异常”，都需要进入处理流程。
从图中能看出，or 更适合处理“多个状态入口”的问题。比如待处理、异常、失败、超时，这些状态虽然名字不同，但在业务上都可能需要继续处理。
4.1 基础示例：状态是待处理或异常
status = "异常"
print(status == "待处理" or status == "异常")
输出结果是：
True
因为第二个条件 status == "异常" 成立，所以整体结果就是 True。
4.2 状态不匹配时才是 False
status = "已完成"
print(status == "待处理" or status == "异常")
输出结果是：
False
因为状态既不是“待处理”，也不是“异常”，所以整体条件不通过。
4.3 部门是 IT 或财务都要处理
dept = "财务"
if dept == "IT" or dept == "财务":
print("需要处理该部门：", dept)
输出结果是：
需要处理该部门： 财务
这里的判断逻辑是：部门只要属于 IT 或财务，就进入处理流程。 这类写法适合处理“多个候选值都算命中”的场景。
5. and 和 or 的区别：不要只背中文意思
很多人学到这里，会把 and 记成“并且”，把 or 记成“或者”。这当然没错，但还不够。真正写脚本时，要能判断业务规则到底是“全部满足”，还是“任意满足”。
| and | 并且 | 所有条件都为 True 才通过 | 金额达标并且部门匹配 |
| or | 或者 | 任意条件为 True 就通过 | 状态是待处理或异常 |
| 混合使用 | 多条件组合 | 需要加括号明确优先级 | 部门筛选 + 金额筛选 + 状态筛选 |
一个比较实用的判断方法是：先不要写代码，先把规则念出来。
金额大于 3000，并且部门是 IT
这里出现“并且”，大概率用 and。
状态是待处理，或者状态是异常
这里出现“或者”，大概率用 or。
但要注意：中文里的“和”“或”有时会有业务歧义，不能只按字面翻译。最终要看业务是否要求全部满足。
5.1 混合条件建议加括号
当 and 和 or 同时出现时，建议用括号把逻辑分组写清楚。不要把判断交给读代码的人猜。
dept = "IT"
money = 3500
status = "异常"
if (dept == "IT" or dept == "财务") and money >= 3000 and status == "异常":
print("进入重点处理流程")
这段代码表示：部门必须是 IT 或财务，同时金额要大于等于 3000，并且状态必须是异常。
推荐做法：复合条件一旦超过两个，尽量用括号提升可读性。 这不是为了让代码显得复杂，而是为了避免后期维护时看错逻辑。
6. 常见错误：or 不能省略左侧比较对象
这一节是新手最容易踩坑的地方。很多人会把 or 写成下面这样：
dept = "行政"
if dept == "IT" or "财务":
print("需要处理")
这段代码看起来像是在判断部门是不是 IT 或财务，但实际上它几乎一定会进入 if 分支。原因是 "财务" 本身是一个非空字符串，在条件判断中会被当成 True。
这类错误非常危险，因为程序不一定报错，但逻辑已经错了。
这张图展示的就是这个常见错误：错误写法中，"财务" 被当成一个恒为真的条件；正确写法中，必须把每个比较条件写完整。
从图中能看出，or 两边都应该是完整条件，而不是一边是条件、一边只是一个字符串。这个坑在 Excel 自动化里很常见，比如筛选部门、状态、类型、地区时都可能写错。
6.1 错误写法
dept = "行政"
if dept == "IT" or "财务":
print("需要处理")
这段代码的问题在于："财务" 是非空字符串，会被 Python 当作 True。
6.2 正确写法
dept = "行政"
if dept == "IT" or dept == "财务":
print("需要处理")
else:
print("不处理")
这才是真正判断部门是否为 IT 或财务。
6.3 更推荐的写法：使用 in
如果要判断一个值是否属于多个候选项，实际写脚本时更推荐使用 in。
dept = "财务"
if dept in ["IT", "财务"]:
print("需要处理")
这种写法更短，也更不容易漏写比较对象。
推荐做法：两个候选项可以用 or，多个候选项建议用 in，代码会更清楚。
7. 短路特性：先判空，再处理
and 和 or 还有一个很实用的特性，叫短路判断。这个知识点在处理 Excel 空值时很有价值。
短路可以简单理解为：如果前面的条件已经能决定最终结果，后面的条件就不再计算。
and 的短路规则是：前面为 False，后面就不用判断了。
value = None
if value is not None and value != "":
print("有值")
这段代码会先判断 value is not None。如果 value 是 None，后面的判断就不会继续执行。
这在 Excel 自动化里很常用，因为很多单元格可能是空值，先判空再处理可以减少报错。
7.1 先判空再转字符串
value = None
if value is not None and str(value).strip() != "":
print("可以继续处理")
else:
print("空值，跳过")
这里先判断是不是 None，再做字符串清洗。如果顺序反过来，后续复杂处理里就更容易出问题。
7.2 or 的短路规则
or 的短路规则是：前面为 True，后面就不用判断了。
status = "异常"
if status == "异常" or status == "待处理":
print("需要处理")
如果第一个条件已经成立，后面的条件就不需要再继续判断。
短路特性不是必须死记的理论，但知道它以后，写空值判断和多条件判断会更稳。
8. 把 and / or 放回 Excel 自动化流程里
学逻辑运算符，最终不是为了会背真值表，而是为了能写出更准确的自动化处理逻辑。真实办公场景里，我们通常会经历这样一个流程：读取数据、写出单条件、组合条件、执行判断、输出结果。
这张图展示的是复合条件在自动化脚本中的完整流程：先读取 Excel 数据，再写出多个单条件，通过 and 或 or 组合，最后进入 if 判断并输出结果。
从图中能看出，and 和 or 通常不是单独出现的，它们会嵌入到完整的数据处理链路里。先读数据，再筛选条件，再执行处理，这才是办公自动化里更真实的使用方式。
8.1 一个完整的模拟案例
假设我们现在有一批报销记录，只想筛选出“IT 或财务部门，并且金额大于等于 3000，并且状态是异常”的记录。
rows = [
{"姓名": "张三", "部门": "IT", "金额": 3500, "状态": "异常"},
{"姓名": "李四", "部门": "行政", "金额": 5000, "状态": "异常"},
{"姓名": "王五", "部门": "财务", "金额": 2800, "状态": "异常"},
{"姓名": "赵六", "部门": "财务", "金额": 6000, "状态": "正常"},
{"姓名": "孙七", "部门": "财务", "金额": 7200, "状态": "异常"},
]
for row in rows:
dept_hit = row["部门"] in ["IT", "财务"]
money_hit = row["金额"] >= 3000
status_hit = row["状态"] == "异常"
if dept_hit and money_hit and status_hit:
print("命中：", row)
输出结果是：
命中： {'姓名': '张三', '部门': 'IT', '金额': 3500, '状态': '异常'}
命中： {'姓名': '孙七', '部门': '财务', '金额': 7200, '状态': '异常'}
这里我没有把所有判断都塞进一行 if 里，而是先拆成 dept_hit、money_hit、status_hit 三个变量。这样写稍微多几行，但可读性更好，后续排错也更方便。
推荐做法：条件复杂时，不要硬塞成一行，先拆成几个有名字的布尔变量。 这样别人接手代码时能快速看懂每个条件在判断什么。
8.2 条件拆开写，比一行写完更稳
很多新手喜欢把所有条件写成这样：
if row["部门"] in ["IT", "财务"] and row["金额"] >= 3000 and row["状态"] == "异常":
print("命中：", row)
这段代码没有错，但如果条件继续增加，可读性会越来越差。尤其是后面要排查“为什么这条数据没命中”时，一行复杂条件并不友好。
拆开写的优势是：每个条件都可以单独打印验证。
print(row["姓名"], dept_hit, money_hit, status_hit)
这就是脚本可维护性的差别：能跑只是第一步，能解释、能排错、能交接才更重要。
9. 常见问题与踩坑提醒
9.1 and 和 or 能不能随便混用？
不能。and 和 or 的业务含义不同。and 是所有条件都要满足，or 是任意条件满足即可。混用时建议加括号，否则后面自己回头看代码都可能看错。
9.2 为什么我写了 or，结果所有数据都命中了？
优先检查是不是写成了这种形式：
if dept == "IT" or "财务":
print("命中")
这种写法几乎一定是错的。正确写法应该是：
if dept == "IT" or dept == "财务":
print("命中")
或者更推荐：
if dept in ["IT", "财务"]:
print("命中")
9.3 判断多个状态时，用 or 还是 in？
两个状态时，or 可以接受；三个以上状态时，更推荐 in。
if status in ["待处理", "异常", "失败", "超时"]:
print("需要处理")
这种写法比连续写多个 or 更清楚，也更容易维护。
9.4 处理 Excel 空值时，为什么要先判空？
因为 Excel 里经常会有空单元格。空值进入 Python 后，可能是 None，也可能是 NaN，具体取决于你用的是 openpyxl 还是 pandas。先判空可以减少后续处理时的报错。
真实办公数据很少是完全干净的。写条件判断时，不要假设每个字段都有值。
10. 总结提升
这一节学习的是 and 和 or，但真正要掌握的不是两个英文单词，而是复合条件的思维方式。
and 适合“所有条件都满足才通过”的场景。 例如金额达标，并且部门匹配，并且状态异常。
or 适合“任意条件满足就通过”的场景。 例如状态是待处理，或者状态是异常，或者状态是失败。
最需要警惕的是错误写法 dept == "IT" or "财务"。 这类代码看起来像业务判断，实际逻辑已经偏了，而且不一定会报错。
我的建议是：写复合条件前，先用中文把业务规则说清楚；条件复杂时，先拆成多个布尔变量；涉及多个候选值时，优先考虑 in。 这样写出来的 Excel 自动化脚本会更清晰，也更容易排错。
一句话收尾：比较运算符负责判断单个条件，逻辑运算符负责组织业务规则。真正写自动化脚本时，条件判断写得准，后面的筛选、处理和输出才不会跑偏。
🔝 返回顶部
点击回到顶部
