Jak przekonwertować wartości logiczne na wartości całkowite w pandach

Możesz użyć następującej podstawowej składni, aby przekonwertować kolumnę wartości logicznych na kolumnę wartości całkowitych w pandach:

 df. column1 = df. column1 . replace ({ True : 1 , False : 0 })

Poniższy przykład pokazuje, jak zastosować tę składnię w praktyce.

Przykład: przekonwertuj wartość logiczną na liczbę całkowitą w Pandach

Załóżmy, że mamy następującą ramkę DataFrame pand:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' team ': ['A', 'B', 'C', 'D', 'E', 'F', 'G'],
                   ' points ': [18, 22, 19, 14, 14, 11, 20],
                   ' playoffs ': [True, False, False, False, True, False, True]})

#view DataFrame
df

Możemy użyć dtypes , aby szybko sprawdzić typ danych każdej kolumny:

 #check data type of each column
df. dtypes

team object
int64 dots
playoffs bool
dtype:object

Widzimy, że kolumna „play-offs” jest typu logicznego .

Możemy użyć poniższego kodu, aby szybko przekonwertować wartości Prawda/Fałsz w kolumnie „playoffs” na wartości całkowite 1/0:

 #convert 'playoffs' column to integer
df. playoffs = df. playoffs . replace ({ True : 1 , False : 0 })

#view updated DataFrame
df

	team points playoffs
0 to 18 1
1 B 22 0
2 C 19 0
3 D 14 0
4 E 14 1
5 F 11 0
6 G 20 1

Każda wartość True została przekonwertowana na 1 , a każda wartość Fałsz została przekonwertowana na 0 .

Możemy ponownie użyć dtypes, aby sprawdzić, czy kolumna „play-offs” jest teraz liczbą całkowitą:

 #check data type of each column
df. dtypes

team object
int64 dots
playoffs int64
dtype:object

Widzimy, że kolumna „play-offs” ma teraz typ int64 .

Dodatkowe zasoby

Poniższe samouczki wyjaśniają, jak wykonywać inne typowe operacje na pandach:

Jak przekonwertować zmienną kategorialną na numeryczną w Pandach
Jak przekonwertować kolumny Pandas DataFrame na int
Jak przekonwertować DateTime na ciąg w Pandach