Comment faire correspondre True/False à 1/0 dans un DataFrame Pandas ?

Question

J'ai une colonne en python pandas DataFrame qui a des booléens True / False mais pour d'autres calculs, j'ai besoin de 1 / 0 représentation. Y a-t-il un moyen rapide pandas / numpy manière de le faire ?

Answer 1

Un moyen succinct de convertir une seule colonne de valeurs booléennes en une colonne d'entiers 1 ou 0 :

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

Answer 2

Multipliez simplement votre Dataframe par 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

Answer 3

True es 1 en Python, et de même False es 0 * :

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

Vous devriez être en mesure d'effectuer toutes les opérations que vous voulez sur eux en les traitant simplement comme s'ils étaient des nombres, puisqu'ils sont numéros :

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

Donc, pour répondre à votre question, aucun travail n'est nécessaire - vous avez déjà ce que vous recherchez.

* Notez que j'utilise es comme un mot anglais, et non le mot-clé Python is - True ne sera pas le même objet qu'un autre aléatoire 1 .

Answer 4

Cette question mentionne spécifiquement une seule colonne, donc la réponse actuellement acceptée fonctionne. Cependant, elle ne s'applique pas à plusieurs colonnes. Pour ceux qui souhaitent une solution générale, utilisez ce qui suit :

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

Cela fonctionne pour un DataFrame qui contient des colonnes de nombreux types différents, indépendamment du nombre de booléens.

Answer 5

Vous pouvez également le faire directement sur les cadres

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