它是从C语言中借来的一元操作符(只接受一个参数)，在C语言中，所有数据类型只是解释字节的不同方式。它是“逆”或“补”操作，其中输入数据的所有位都是反向的。

在Python中，对于整数，整数的二进制补码表示的位是反向的(如b <- b XOR 1对于每个单独的位)，并且结果再次解释为二进制补码整数。所以对于整数，~x等于(-x) - 1。

~操作符的具体化形式提供为operator.invert。为了在你自己的类中支持这个操作符，给它一个__invert__(self)方法。

>>> import operator
>>> class Foo:
...   def __invert__(self):
...     print 'invert'
...
>>> x = Foo()
>>> operator.invert(x)
invert
>>> ~x
invert

在任何类中，如果一个实例的“补”或“逆”同时也是同一个类的实例，那么这个类就有可能使用反转操作符。然而，如果使用不当，操作符重载可能会导致混乱，所以请确保在向类提供__invert__方法之前这样做是有意义的。(请注意，字节串[ex: '\xff']不支持此运算符，尽管将字节串的所有位颠倒是有意义的。)

~是python中的逐位补码操作符，本质上是计算-x - 1

所以一个表是这样的

i  ~i
-----
0  -1
1  -2
2  -3
3  -4 
4  -5 
5  -6

所以当i = 0时，它会比较s[0]和s[len(s) - 1]，当i = 1时，s[1]和s[len(s) - 2]。

至于你的另一个问题，这可能对一系列位黑客有用。

它是从C语言中借来的一元操作符(只接受一个参数)，在C语言中，所有数据类型只是解释字节的不同方式。它是“逆”或“补”操作，其中输入数据的所有位都是反向的。

在Python中，对于整数，整数的二进制补码表示的位是反向的(如b <- b XOR 1对于每个单独的位)，并且结果再次解释为二进制补码整数。所以对于整数，~x等于(-x) - 1。

~操作符的具体化形式提供为operator.invert。为了在你自己的类中支持这个操作符，给它一个__invert__(self)方法。

>>> import operator
>>> class Foo:
...   def __invert__(self):
...     print 'invert'
...
>>> x = Foo()
>>> operator.invert(x)
invert
>>> ~x
invert

在任何类中，如果一个实例的“补”或“逆”同时也是同一个类的实例，那么这个类就有可能使用反转操作符。然而，如果使用不当，操作符重载可能会导致混乱，所以请确保在向类提供__invert__方法之前这样做是有意义的。(请注意，字节串[ex: '\xff']不支持此运算符，尽管将字节串的所有位颠倒是有意义的。)

我在解决leetcode问题时遇到了一个叫Zitao Wang的用户给出的漂亮的解决方案。

问题是这样的，对于给定数组中的每个元素，在O(n)时间内找到所有剩余数字的乘积而不使用除法

标准解决方案是:

Pass 1: For all elements compute product of all the elements to the left of it
Pass 2: For all elements compute product of all the elements to the right of it
        and then multiplying them for the final answer 

他的解决方案只使用了一个for循环。他使用~动态地计算左积和右积

def productExceptSelf(self, nums):
    res = [1]*len(nums)
    lprod = 1
    rprod = 1
    for i in range(len(nums)):
        res[i] *= lprod
        lprod *= nums[i]
        res[~i] *= rprod
        rprod *= nums[~i]
    return res

我唯一一次在实践中使用它是在numpy/pandas中。例如，使用.isin() dataframe方法。

在文档中，他们给出了这个基本的例子

>>> df.isin([0, 2])
        num_legs  num_wings
falcon      True       True
dog        False       True

但是如果你想要所有不在[0,2]中的行呢?

>>> ~df.isin([0, 2])
        num_legs  num_wings
falcon     False       False
dog        True        False

除了作为位补操作符外，~还可以帮助恢复布尔值，尽管它不是常规的bool类型，而应该使用numpy.bool_。

这在，

import numpy as np
assert ~np.True_ == np.False_

反转逻辑值有时很有用，例如，下面的~操作符用于清理数据集，并返回没有NaN的列。

from numpy import NaN
import pandas as pd

matrix = pd.DataFrame([1,2,3,4,NaN], columns=['Number'], dtype='float64')
# Remove NaN in column 'Number'
matrix['Number'][~matrix['Number'].isnull()]