如何在 python 中返回 True/False 而不是 1/0

Question

我試圖在一個循環中評估兩個浮點值，由於某種原因，評估返回 1/0 而不是 True/False。

def new_row(item1, item2):
    new_row = {
    'lister': item1,
    'metric': item2
    }
    return new_row

final_df = pd.DataFrame()
lister = ['a', 'b', 'c']
position = [1.1, 2.3, 4.5]
evaluation_metric = [0, 0.5, 0.2]
    for b1 in lister:
        print(abs(position) > evaluation_metric)
        metric = (abs(position) > evaluation_metric)
        nr = new_row(lister, metric)
        final_df = final_df.append(nr, ignore_index=True)

出於某種原因，當我打印時我得到 True 但是當我 append 它到最終的df時我得到 1.0。 關於如何在final_df而不是 1.0 中獲得 True 的任何想法？

Answer 1

您創建了一個沒有列的 dataframe，因此 pandas 必須猜測添加一行時要做什么。 在類似的實驗中，它選擇了float64 ：

>>> import pandas as pd
>>> df = pd.DataFrame()
>>> final = df.append({"lister":"a", "metric":False}, ignore_index=True)
>>> final
  lister  metric
0      a     0.0
>>> final.dtypes
lister     object
metric    float64
dtype: object

完成附加后，您可以修復 dtype

>>> final["metric"] = final["metric"].astype(bool)
>>> final
  lister  metric
0      a   False

但是您可能不應該首先附加。 pandas允許您對整個列執行操作。 首先從列表中創建列，然后一步完成操作，如

import pandas as pd

lister = ['a', 'b', 'c']
position = [1.1, 2.3, 4.5]
evaluation_metric = [0, 0.5, 0.2]

df = pd.DataFrame({"lister":lister, "position":position, 
    "evaluation_metric":evaluation_metric})

df["metric"] = df["position"] > df["evaluation_metric"]

print(df)

Output

  lister  position  evaluation_metric  metric
0      a       1.1                0.0    True
1      b       2.3                0.5    True
2      c       4.5                0.2    True

如果您不再需要這些其他列，則可以刪除它們

df.drop(["position", "evaluation_metric"], axis=1, inplace=True)

Answer 2

盡管您發布的代碼不會運行（建議您解決此問題，因此您的問題不會關閉），但問題是將bool類型的行附加到空 DataFrame 將導致轉換為float64 （根據這個答案）：

例如：

for l,p,e in zip(lister,position,evaluation_metric):
    metric = (abs(p) > e)
    nr = new_row(l, metric)
    final_df = final_df.append(nr, ignore_index=True)

>>> final_df.dtypes
lister     object
metric    float64

您可以通過修改new_row function 以返回 DataFrame 來解決此問題，然后在每次循環迭代中將其連接到 final_df：

def new_row(item1, item2):
    new_row = {
    'lister': [item1],
    'metric': [item2]
    }
    return pd.DataFrame(new_row)

final_df = pd.DataFrame()
lister = ['a', 'b', 'c']
position = [1.1, 2.3, 4.5]
evaluation_metric = [0, 0.5, 0.2]

for l,p,e in zip(lister,position,evaluation_metric):
    metric = (abs(p) > e)
    nr = new_row(l, metric)
    final_df = pd.concat([final_df,nr])

Output：

>>> final_df
  lister  metric
0      a    True
0      b    True
0      c    True