Python 如何将真与假映射到'；是'；和'；否'；在数据框中，是否仅针对数据类型为bool的列？

我有一个

pandas

数据框（V0.20.3）：

如果我想将

True/False

替换为

'Yes'/'No'

，我可以运行以下命令：

df.replace({
                True: 'Yes',
                False: 'No'
            })

   coname1 coname2   eq
0    Apple   Apple  Yes
1    Yahoo  Google   No

这似乎完成了任务。但是，如果数据帧只是列中值为

0/1

的一行，它也将被替换，因为它被视为布尔值

df1 = pd.DataFrame({'coname1': [1], 'coname2':['Google'], 'coname3':[777]})
df1['eq'] = True

   coname1 coname2  coname3    eq
0        1  Google      777  True

df1.replace({
                True: 'Yes',
                False: 'No'
            })

  coname1 coname2 coname3   eq
0     Yes  Google     777  Yes

我想将数据框中数据类型为

dtype

bool

的所有列的

True/False

映射为

Yes/No

---

我如何告诉

pandas

仅为

dtype

bool的列运行将真/假映射到任意字符串，而不明确指定列的名称，因为我可能事先不知道这些列的名称？

使用dtypes属性检查列是否为布尔值，并基于此进行筛选：

df = pd.DataFrame({'A': [0, 1], 'B': ['x', 'y'], 
                   'C': [True, False], 'D': [False, True]})

df
Out: 
   A  B      C      D
0  0  x   True  False
1  1  y  False   True

bool_cols = df.columns[df.dtypes == 'bool']

df[bool_cols] = df[bool_cols].replace({True: 'Yes', False: 'No'})

df
Out: 
   A  B    C    D
0  0  x  Yes   No
1  1  y   No  Yes

我认为最快的方法是在循环中使用map：

for col in df.columns[df.dtypes == 'bool']:
    df[col] = df[col].map({True: 'Yes', False: 'No'})

---

一个很好的解决方法是创建一个函数，首先检查元素是否为bool类型，然后使用

applymap

：

import pandas as pd

df1 = pd.DataFrame({'coname1': [1], 'coname2':['Google'], 'coname3':[777]})
df1['eq'] = True

def bool2yes(boolean):
    if isinstance(boolean, bool):
        if boolean == True:
            return "Yes"
        else:
            return "No"
    else:
        return boolean

>>> df1.applymap(bool2yes)
   coname1 coname2  coname3   eq
0        1  Google      777  Yes

我的看法

cols = df.columns[df.dtypes.eq(bool)]
vals = np.column_stack([df[c].values for c in cols])

df[cols] = np.array(['No', 'Yes'])[vals.astype(int)]

df

   A  B    C    D
0  0  x  Yes   No
1  1  y   No  Yes

---

您想在所有数据框中属于dtype bool的列上使用此选项，还是只在列eq上使用此选项？@jacoblaw，我想将数据框中属于

dtype

bool

的所有列的

True/False

映射到

Yes/No

。这似乎是比我的（+1）更好的方法，我不确定，但是

.replace

应该比

快。applymap

高尔夫版本

df.replace（{c:{True:'Yes'，False:'No'}对于df中的c.select_dtypes（[bool]））

谢谢你的选择，太棒了。我刚刚发现这也可以工作-

df.loc[：，df.dtypes=='bool']=df.loc[：，df.dtypes=='bool'].replace（{True:'Yes'，False:'No'}）

。你觉得这个怎么样？@AlexTereshenkov是的，那也很好用。在这方面我唯一要做的改变是将

df.dtypes=='bool'

保存到一个变量中，这样就不会重复同样的事情了。@piRSquared这实际上很好（我总是忘记replace可以将列名作为键）。我认为

select\u dtypes

会创建不必要的副本。如果我能够在视图上操作，那就可以了，但在当前状态下，比较数据类型似乎是一个更好的选择。

cols = df.columns[df.dtypes.eq(bool)]
vals = np.column_stack([df[c].values for c in cols])

df[cols] = np.array(['No', 'Yes'])[vals.astype(int)]

df

   A  B    C    D
0  0  x  Yes   No
1  1  y   No  Yes