Python Pandas read_csv，读取缺少指定为int值的布尔值

我正在尝试将csv导入熊猫数据帧。我有用1和0表示的布尔变量，其中缺少的值用-9标识。 当我尝试将数据类型指定为布尔值时，根据我的尝试，会出现大量不同的错误

示例数据：test.csv

var1, var2
0,   0
0,   1
1,   3
-9,  0
0,   2
1,   7

我尝试在导入时指定数据类型：

dtype_dict = {'var1':'bool','var2':'int'}
nan_dict = {'var1':[-9]}
foo = pd.read_csv('test.csv',dtype=dtype_dict, na_values=nan_dict)

我得到以下错误：

ValueError:无法安全地为int64转换传递的用户数据类型| b1 列0中的数据类型化数据

我还尝试指定真值和假值

foo = pd.read_csv('test.csv',dtype=dtype_dict,na_values=nan_dict,
                 true_values=[1],false_values=[0])

但是我得到了一个不同的错误：

异常：必须是所有编码的字节

---

错误的源代码说明了捕获偶尔出现的none，但nones或null正是我想要的

你能这样做吗

df=pd.read_csv("test.csv",names=["var1","var2"])
df.ix[df.var1==0,'var1Bool']=False
df.ix[df.var1==1,'var1Bool']=True

这将为您创建一个新列，如果您满意，您可以复制旧列

   var1  var2 var1Bool
0     0     0    False
1     0     1    False
2     1     3     True
3    -9     0      NaN
4     0     2    False
5     1     7     True

---

您可以为

var1

列指定

converters

参数：

from io import StringIO
import numpy as np
import pandas as pd

pd.read_csv(StringIO("""var1, var2
0,   0
0,   1
1,   3
-9,  0
0,   2
1,   7"""), converters = {'var1': lambda x: bool(int(x)) if x != '-9' else np.nan})

---

谢谢。理想情况下，我希望在导入时这样做，因为数据有点大，但这是一个很好的解决方法。我还希望了解导入中的错误以及为什么导入不起作用。但如果我在接下来的几个小时里没有得到更多的见解，我会把这个标记为答案。