熊猫将字符串列转换为布尔值

Question

我正在尝试将包含字符串格式的 True/False 和 null 值的列转换为布尔值。但无论我做什么，我最终都会得到所有 True 值或 False 下面是我的方法

考虑以下dataFrame

df = pd.DataFrame({'w':['True', np.nan, 'False'
                        'True', np.nan, 'False']})

df['w'].dtypes
Out: dtype('O')

df['w'].unique()
Out: array([True, nan, False], dtype=object)

d = {'nan': np.nan,'False':False, 'True': True}
df['w']=df['w'].map(d)

df['w'].dtypes
Out: dtype('O')

df['w'].unique()
array([nan], dtype=object)

我使用的另一种方法是关注this SO 帖子：

d = {'nan': 0,'False':0, 'True': 1 }
df['w']=df['w'].map(d)
df['w']=df['w'].astype('bool')

现在它变成 bool 但将所有值转换为 True

df['w'].dtypes
Out: dtype('bool')

df['w'].unique()
Out: array([ True])

我做错了什么？ 我希望所有空值都为空

Answer 1

我认为没有必要，因为您的原始数据包含带有 nans 的布尔值，dtypes 是 object，因为混合值 - 带有缺失值的布尔值：

df = pd.DataFrame({'w':['True', np.nan, 'False']})

print (df['w'].unique())
['True' nan 'False']

print ([type(x) for x in df['w'].unique()])
[<class 'str'>, <class 'float'>, <class 'str'>]

如果nan 也是字符串，那么您的解决方案有效：

df = pd.DataFrame({'w':['True', 'nan', 'False']})

print ([type(x) for x in df['w'].unique()])
[<class 'str'>, <class 'str'>, <class 'str'>]

d = {'nan': np.nan,'False':False, 'True': True}
df['w'] = df['w'].map(d)

print (df['w'].unique())
[True nan False]

print ([type(x) for x in df['w'].unique()])
[<class 'bool'>, <class 'float'>, <class 'bool'>]

---

df = pd.DataFrame({'w':[True, np.nan, False]})

print (df['w'].unique())
[True nan False]

print ([type(x) for x in df['w'].unique()])
[<class 'bool'>, <class 'float'>, <class 'bool'>]

如果想将nan 替换为False，请使用Series.fillna：

df['w'] = df['w'].fillna(False)
print (df)
       w
0   True
1  False
2  False

print (df['w'].dtypes)
bool

print (df['w'].unique())
[ True False]