当 pandas 列中的值更改为 nan 时，真值变为 1答案

【问题标题】：True values become 1 when a value in pandas column is changing to nan当 pandas 列中的值更改为 nan 时，真值变为 1
【发布时间】：2021-09-29 15:45:45
【问题描述】：

我有一个类似于以下示例的数据框，其中一列包含 True 或 Nan：

df = pd.DataFrame({'Data': [1, 2, 3, 4, 5], 'T/F':[True, True, True, True, True]})

Data   T/F
0     1  True
1     2  True
2     3  True
3     4  True
4     5  True

我想尝试从该数据帧的最后一行中删除真值，但是当我这样做时，所有其他真值都变为 1：

df.loc[df.last_valid_index(), 'T/F'] = np.nan

   Data  T/F
0     1  1.0
1     2  1.0
2     3  1.0
3     4  1.0
4     5  NaN

我想知道是否有人知道为什么会发生这种情况？有什么办法可以阻止它？我想我可能需要更改我的代码以使用 False 而不是 nan。

【问题讨论】：

True 在我的安装中运行df.loc[df.last_valid_index(), 'T/F'] = np.nan 后仍为True。我的版本是最新版本1.3.0。

标签： python pandas boolean

【解决方案1】：

您可以改用pd.NA：

df.loc[df.last_valid_index(), 'T/F'] = pd.NA

df的输出：

    Data    T/F
0   1       True
1   2       True
2   3       True
3   4       True
4   5       <NA>

注意：由于np.nan的类型是float，所以它为什么将布尔值True转换为1.0和布尔值False转换为0.0

另外pd.NA保留数据类型，您可以通过以下方式检查：

print(df['T/F'].map(type))

#output of above code:

0                           <class 'bool'>
1                           <class 'bool'>
2                           <class 'bool'>
3                           <class 'bool'>
4    <class 'pandas._libs.missing.NAType'>
Name: T/F, dtype: object

【讨论】：

dtype 现在是什么？对象？
@Umar.H 它是 bool 和 pd.NA 它是 'pandas._libs.missing.NAType'
这是完美的，谢谢 :) 我会尽快接受
@EmiOB 你可以使用pd.isna() 或pd.isnull() 或df.isna() 或df.isnull()
@EmiOB 更新的答案添加了一个 liitle ，更多信息....请看一下 :)

【解决方案2】：

一列，一种类型，当你设置值np.nan时，程序会将此列转换为浮点数。在我的记忆中，df.astype() 函数只是处理列，而不是 ceil。

【讨论】：

【解决方案3】：

这是因为T/F 列包含bool 数据并且您尝试分配的值是numpy.float64 类型，因此该列被强制转换为最高相互dtype，即numpy.float64 在这种情况下。

如果您想在此列中包含混合值，即bool 和numpy.float64，则应在更新之前将此列转换为object，如下所示：

import pandas as pd
import numpy as np

df = pd.DataFrame({'Data': [1, 2, 3, 4, 5], 'T/F':[True, True, True, True, True]})
df['T/F'] = df['T/F'].astype('object')
df.loc[df.last_valid_index(), 'T/F'] = np.nan
df

输出：

    Data    T/F
0   1   True
1   2   True
2   3   True
3   4   True
4   5   NaN

注意：在 pandas.DataFrames 中保存混合值通常不是一个好习惯，因为它会大大降低性能，因此应尽可能避免。

干杯

【讨论】：