Как преобразовать логические значения в целочисленные значения в pandas

Вы можете использовать следующий базовый синтаксис для преобразования столбца логических значений в столбец целочисленных значений в pandas:

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

В следующем примере показано, как использовать этот синтаксис на практике.

Пример: преобразовать логическое значение в целое число в Pandas

Предположим, у нас есть следующий DataFrame pandas:

 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

Мы можем использовать dtypes для быстрой проверки типа данных каждого столбца:

 #check data type of each column
df. dtypes

team object
int64 dots
playoffs bool
dtype:object

Мы видим, что столбец «плей-офф» имеет тип boolean .

Мы можем использовать следующий код для быстрого преобразования значений True/False в столбце «плей-офф» в целочисленные значения 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

Каждое значение True было преобразовано в 1 , а каждое значение False — в 0 .

Мы можем снова использовать dtypes, чтобы убедиться, что столбец «плей-офф» теперь является целым числом:

 #check data type of each column
df. dtypes

team object
int64 dots
playoffs int64
dtype:object

Мы видим, что столбец «плей-офф» теперь имеет тип int64 .

Дополнительные ресурсы

В следующих руководствах объясняется, как выполнять другие распространенные операции в pandas:

Как преобразовать категориальную переменную в числовую в Pandas
Как преобразовать столбцы Pandas DataFrame в int
Как преобразовать DateTime в строку в Pandas