我有一个数据框，它由 x 和 v 之类的复选标记组成，我正在用以下行替换为 boolean 值:
df.replace({'v': True, 'x': False}, inplace=True)
在运行df.replace() 之前，根据df.dtypes 所有列的类型都是object。在 replace() 之后，所有其他列仍然是 object，只有一个列是 bool 类型，其中的值是 numpy.bool_。 Pycharm 以红色背景显示此特定列的真值，如下所示。
为什么会发生这种情况？ object 不适合存储 boolean 值吗？为什么 pandas 将这一列的 dtype 从 object 更改为 bool？到底是什么控制了它，我如何强制将 dtype 保留为 object？
是否有理由将所有列改为 pandas.np.bool，例如出于性能原因？
最佳答案
Pandas 在内部将序列存储为 NumPy 数组。当一个系列有混合类型时，Pandas/NumPy 必须做出决定:它选择一个包含该系列中所有类型的类型。举个简单的例子，如果你有一系列 int 类型的整数，并将单个值更改为 float，你的系列将成为 float 类型.
在此示例中，您的第 0 和第 2 个系列具有 NaN 值。现在 NaN 或 np.nan 被认为是 float(尝试 type(np.nan)，这将返回float)，而 True/False 被认为是 boolean 值。 NumPy 可以存储这些值的唯一方法是使用 dtype object，它只是一堆指针(很像一个列表)。
另一方面，您的第一列只有 boolean 值，可以用 bool 类型存储。这里的好处是因为您没有使用指针集合，NumPy 可以为此数组分配一个连续的内存块。这将产生相对于 object 系列或 list 的性能优势。
您可以自己测试以上所有内容。以下是一些示例:
s1 = pd.Series([True, False])
print(s1.dtype) # bool
s2 = pd.Series([True, False, np.nan])
print(s2.dtype) # object
s3 = pd.Series([True, False, 0, 1])
print(s3.dtype) # object
最后一个例子很有趣，因为在 Python 中 True == 1 和 False == 0 都返回 True 因为 bool 可以被认为是 int 的子类。因此，在内部，Pandas/NumPy 决定不强制执行这种相等性并选择其中之一。这样做的必然结果是，建议您在处理混合类型时检查系列的类型。
另请注意，当您更新值时，Pandas 会检查数据类型:
s1 = pd.Series([True, 5.4])
print(s1.dtype) # object
s1.iloc[-1] = False
print(s1.dtype) # bool
关于python - Pandas :用 boolean 值替换会产生不一致的结果，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/50788585/