Python 如何使用Pandas或Numpy从值列表推断数据类型？

我有一个布尔值数组，它当前被归类为

对象数组

。如何让Pandas/Numpy重新运行类型推断引擎

0     True
1    False
2     True
Name: b, dtype: object

我找到的唯一解决方案是显式地将其强制转换为Python数组，然后再转换回Pandas数组：

ipdb> numpy.array(tmp)
array([True, False, True], dtype=object)
ipdb> numpy.array(list(tmp))
array([ True, False,  True], dtype=bool)

但这感觉非常不理想

---

关于为什么会发生这种情况的简要背景：

• 正在从CSV文件（可能有数千个我无法控制的文件）加载数据
• 其中很多都是质量很差的Excel生成的空行表
• 使用

  read\u csv

  读取，并删除空行
• 但是他们被错误的数据类型所困扰，因为最初该列包含空白字符串
• 我希望对数据进行尽可能严格的绑定，因为它将提交给后续的解析引擎

---

因为即使在调用

dropna

之后，您最初也有一个混合的

dtype

，因此您可以强制该dtype，因为您感兴趣的是保留数字和布尔类型，然后调用或将正确转换

dtype

：

In [31]:
pd.Series([True,False,True,None]).dropna().convert_objects(convert_numeric=True)

Out[31]:
0     True
1    False
2     True
dtype: bool

In [30]:    
pd.to_numeric(pd.Series([True,False,True,None]).dropna())

Out[30]:
0     True
1    False
2     True
dtype: bool

---

object

在这里是正确的

dtype

：它们实际上是布尔值，因此您不必担心，我需要将它们提交到数据仓库并声明这是一个严格的布尔值列。因此，我确实需要比“object”更严格的界限——这必须是可能的，因为转换

pandas->python->pandas

会更改数据类型。我无法复制这一点，我得到

bool

作为

dtype

当所有元素都是布尔值时，您还可以强制强制转换

dtype

df['b'].astype（bool）

要复制，请执行：

pandas.Series（[True，False，True，None]）.dropna（）