要反转布尔级数，请使用~s：

In [7]: s = pd.Series([True, True, False, True])

In [8]: ~s
Out[8]: 
0    False
1    False
2     True
3    False
dtype: bool

使用Python 2.7、NumPy 1.8.0、Pandas 0.13.1：

In [119]: s = pd.Series([True, True, False, True]*10000)

In [10]:  %timeit np.invert(s)
10000 loops, best of 3: 91.8 µs per loop

In [11]: %timeit ~s
10000 loops, best of 3: 73.5 µs per loop

In [12]: %timeit (-s)
10000 loops, best of 3: 73.5 µs per loop

从Pandas 0.13.0开始，Series不再是numpy.ndarray的子类;它们现在是pd.NDFrame的子类。这可能与为什么np.invert(s)不再像~s或-s那么快有关。
注意：timeit的结果可能会因许多因素而异，包括硬件，编译器，操作系统，Python，NumPy和Pandas版本。

@unutbu的回答是正确的，只是想添加一个警告，你的掩码需要是dtype bool，而不是'object'。也就是说你的面具不可能有任何的奶奶。看这里-即使你的面具现在是nan自由的，它将仍然是'对象'类型。
一个“object”序列的逆序列不会抛出错误，相反，你会得到一个垃圾掩码，它不会像你期望的那样工作。

In[1]: df = pd.DataFrame({'A':[True, False, np.nan], 'B':[True, False, True]})
In[2]: df.dropna(inplace=True)
In[3]: df['A']
Out[3]:
0    True
1   False
Name: A, dtype object
In[4]: ~df['A']
Out[4]:
0   -2
0   -1
Name: A, dtype object

在与同事讨论了这个问题后，我有一个解释：看起来pandas正在恢复到位运算符：

In [1]: ~True
Out[1]: -2

就像@geher说的，你可以在用~求逆之前用astype把它转换成bool。

~df['A'].astype(bool)
0    False
1     True
Name: A, dtype: bool
(~df['A']).astype(bool)
0    True
1    True
Name: A, dtype: bool

我就给予一次机会：

In [9]: s = Series([True, True, True, False])

In [10]: s
Out[10]: 
0     True
1     True
2     True
3    False

In [11]: -s
Out[11]: 
0    False
1    False
2    False
3     True

也可以使用numpy.invert：

In [1]: import numpy as np

In [2]: import pandas as pd

In [3]: s = pd.Series([True, True, False, True])

In [4]: np.invert(s)
Out[4]: 
0    False
1    False
2     True
3    False

编辑：性能差异出现在Ubuntu 12.04，Python 2.7，NumPy 1.7.0上-使用NumPy 1.6.2似乎不存在：

In [5]: %timeit (-s)
10000 loops, best of 3: 26.8 us per loop

In [6]: %timeit np.invert(s)
100000 loops, best of 3: 7.85 us per loop

In [7]: %timeit ~s
10000 loops, best of 3: 27.3 us per loop

为了支持这里的优秀答案，也为了将来的方便，可能会出现这样的情况：您希望翻转列中的真值，并使其他值保持不变（例如nan值）

In[1]: series = pd.Series([True, np.nan, False, np.nan])
In[2]: series = series[series.notna()] #remove nan values
 
In[3]: series # without nan                                            
Out[3]: 
0     True
2    False
dtype: object

# Out[4] expected to be inverse of Out[3], pandas applies bitwise complement 
# operator instead as in `lambda x : (-1*x)-1`

In[4]: ~series
Out[4]: 
0    -2
2    -1
dtype: object

作为一个简单的非矢量化解决方案，你可以，1。检查类型2.逆布尔

In[1]: series = pd.Series([True, np.nan, False, np.nan])

In[2]: series = series.apply(lambda x : not x if x is bool else x)
Out[2]: 
Out[2]: 
0     True
1      NaN
2    False
3      NaN
dtype: object

NumPy速度较慢，因为它将输入转换为布尔值（因此None和0变为False，其他所有内容都变为True）。

import pandas as pd
import numpy as np
s = pd.Series([True, None, False, True])
np.logical_not(s)

给你

0    False
1     True
2     True
3    False
dtype: object

而~s则会崩溃。在大多数情况下，波浪号是比NumPy更安全的选择。
Pandas 0.25，NumPy 1.17

如果你的答案有任何类型的<NA>np.nan或类似的，我建议这样做：

inverted_series = (1 - original_series).astype('boolean')

它保持你的na值，并成功地将其反转。