【问题标题】：How can I map True/False to 1/0 in a Pandas DataFrame?如何在 Pandas DataFrame 中将 True/False 映射到 1/0？
【发布时间】：2013-06-27 07:29:47
【问题描述】：

我在 python pandas DataFrame 中有一个具有布尔值 True/False 值的列，但为了进一步计算，我需要 1/0 表示。有没有快速的pandas/numpy 方法来做到这一点？

【问题讨论】：

还需要什么计算？
鹦鹉@JonClements，为什么需要将bool转换为int才能用于计算？ bool 直接与算术一起使用（因为它在内部是一个 int）。
@cs95 - Pandas 在内部使用 numpy bool，它们的行为可能略有不同。在普通 Python 中，True + True = 2，但在 Pandas 中，numpy.bool_(True) + numpy.bool_(True) = True，这可能不是您特定计算所需的行为。

标签： python pandas dataframe numpy boolean

【解决方案1】：

这是基于一些现有答案的可重现示例：

import pandas as pd


def bool_to_int(s: pd.Series) -> pd.Series:
    """Convert the boolean to binary representation, maintain NaN values."""
    return s.replace({True: 1, False: 0})


# generate a random dataframe
df = pd.DataFrame({"a": range(10), "b": range(10, 0, -1)}).assign(
    a_bool=lambda df: df["a"] > 5,
    b_bool=lambda df: df["b"] % 2 == 0,
)

# select all bool columns (or specify which cols to use)
bool_cols = [c for c, d in df.dtypes.items() if d == "bool"]

# apply the new coding to a new dataframe (or can replace the existing one)
df_new = df.assign(**{c: lambda df: df[c].pipe(bool_to_int) for c in bool_cols})

【讨论】：

【解决方案2】：

这个问题特别提到了一个列，因此当前接受的答案有效。但是，它不能推广到多列。对于那些对通用解决方案感兴趣的人，请使用以下内容：

df.replace({False: 0, True: 1}, inplace=True)

这适用于包含许多不同类型的列的 DataFrame，无论有多少是布尔值。

【讨论】：

【解决方案3】：

我不得不将 FAKE/REAL 映射到 0/1，但找不到正确的答案。

请在下面找到如何将具有 FAKE/REAL 值的列名“类型”映射到 0/1
（注意：类似的可以应用于任何列名和值）

df.loc[df['type'] == 'FAKE', 'type'] = 0
df.loc[df['type'] == 'REAL', 'type'] = 1

【讨论】：

简单得多：df['type'] = df['type'].map({'REAL': 1, 'FAKE': 0})。无论如何，我不确定它与这个问题是否太相关。
感谢您提供更简单的解决方案。正如我在回答中提到的，我试图为略有不同的问题找到解决方案，并且只有类似的问题可用。希望我的回答和您的解决方案将来能对某人有所帮助。
还有其他问题已经涵盖了这一点，例如stackoverflow.com/q/20250771。

【解决方案4】：

使用Series.view 将布尔值转换为整数：

df["somecolumn"] = df["somecolumn"].view('i1')

【讨论】：

【解决方案5】：

将单列布尔值转换为一列整数 1 或 0 的简洁方法：

df["somecolumn"] = df["somecolumn"].astype(int)

【讨论】：

极端情况是somecolumn 中有 NaN 值。然后使用astype(int) 将失败。在保留 NaN 值的同时将 True 转换为 1.0 并将 False 转换为 0.0（浮点数）的另一种方法是：df.somecolumn = df.somecolumn.replace({True: 1, False: 0})
@DustByte 不错！
@DustByte 你不能只使用astype(float) 并获得相同的结果吗？
如果值为文本和小写“true”或“false”，则首先执行 astype(bool].astype(int) 并且转换将起作用。Sas 输出为 bools 为小写 true 和假的。
如何将其应用于多个列？

【解决方案6】：

您可以对数据框使用转换：

df = pd.DataFrame(my_data condition)

在 1/0 中转换真/假

df = df*1

【讨论】：

这与 3 年前发布的 this solution 相同。

【解决方案7】：

只需将您的 Dataframe 乘以 1 (int)

[1]: data = pd.DataFrame([[True, False, True], [False, False, True]])
[2]: print data
          0      1     2
     0   True  False  True
     1   False False  True

[3]: print data*1
         0  1  2
     0   1  0  1
     1   0  0  1

【讨论】：

这个方案有什么优势？
@AMC 没有，这是一种 hacky 方式。
@AMC 如果您的数据框在布尔值旁边有 float 类型，则此方法不会破坏它们，df.astype(int) 会。而且由于它很hacky，因此使用# bool -> int 之类的评论来明确意图可能是一个好主意。
将data * 1 用于混合类型的data + 0 有一个优势——它也适用于字符串，其中data + 0 会引发错误。等效的性能。
优点：略短

【解决方案8】：

您也可以直接在 Frames 上执行此操作

In [104]: df = DataFrame(dict(A = True, B = False),index=range(3))

In [105]: df
Out[105]: 
      A      B
0  True  False
1  True  False
2  True  False

In [106]: df.dtypes
Out[106]: 
A    bool
B    bool
dtype: object

In [107]: df.astype(int)
Out[107]: 
   A  B
0  1  0
1  1  0
2  1  0

In [108]: df.astype(int).dtypes
Out[108]: 
A    int64
B    int64
dtype: object

【讨论】：

【解决方案9】：

True 在 Python 中是 1，同样False 是 0^*:

>>> True == 1
True
>>> False == 0
True

您应该能够对它们执行任何您想要的操作，只需将它们视为数字，因为它们是数字：

>>> issubclass(bool, int)
True
>>> True * 5
5

因此，无需工作即可回答您的问题 - 您已经拥有所需的内容。

^{* 注意我使用 is 作为英文单词，而不是 Python 关键字 is - True 不会与任何随机的 1 是同一个对象。}

【讨论】：

如果进行浮点数学运算，请注意数据类型：np.sin(True).dtype 对我来说是 float16。
我有一个带有布尔列的数据框，我可以调用df.my_column.mean() 就好了（正如你暗示的那样），但是当我尝试时：df.groupby("some_other_column").agg({"my_column":"mean"}) 我得到DataError: No numeric types to aggregate，所以它似乎它们不总是相同的。仅供参考。
在 pandas 版本 24（可能更早）中，您可以很好地聚合 bool 列。
看起来 numpy 也会抛出布尔类型的错误：TypeError: numpy boolean subtract, the -` 运算符已被弃用，请改用 bitwise_xor、^ 运算符或logical_xor 函数。` 使用@User 的答案解决这个问题。
另一个不一样的原因：df.col1 + df.col2 + df.col3 不适用于bool 列，因为它适用于int 列