Python 反转布尔数列将产生-1表示假，而-2表示真

我在Pandas数据框中有一个系列的子集，其中填充了布尔值True和False。我正在尝试使用

~

反转序列

这是该系列的原始子集

7        True
8       False
14       True
38      False
72      False
...
Name: Status, Length: 197, dtype: object

现在我使用下面的代码来反转值

mask = ~subset_df['Status']

我期待着结果会好起来

7       -2
8       -1
14      -2
38      -1
72      -1
        ...

Name: Status, Length: 197, dtype: object

但我真正想要的是以下输出：

7        False
8       True
14       False
38      True
72      True
...
Name: Status, Length: 197, dtype: object

如果您能让我知道如何在不将布尔级数转换为-1和-2的情况下反转它们，我将非常感激。非常感谢。

编辑： 如果

状态

列为

对象/字符串

类型。这里我们检查

状态

值是否为

真

，然后用

假

替换它，用

真

替换

假字符串

df=pd.DataFrame({
    'Status':['True', 'False', 'True', 'False', 'False']
})
df.Status = np.where(df['Status']=='True',False,True)
df

输出

    Status
0   False
1   True
2   False
3   True
4   True

0    False
1     True
2    False
3     True
4     True
dtype: bool

    Status
0   False
1   True
2   False
3   True
4   True

如果

系列

属于

布尔类型

，则可以遵循以下选项

s = pd.Series([True, False, True, False, False])

两个选项

-s

或

输出

    Status
0   False
1   True
2   False
3   True
4   True

0    False
1     True
2    False
3     True
4     True
dtype: bool

    Status
0   False
1   True
2   False
3   True
4   True

您尝试的方法也适用于df

df=pd.DataFrame({
    'Status':[True, False, True, False, False]
})
df['Status'] = ~df['Status']
df

输出

    Status
0   False
1   True
2   False
3   True
4   True

0    False
1     True
2    False
3     True
4     True
dtype: bool

    Status
0   False
1   True
2   False
3   True
4   True

---

您可以将熊猫系列的替换功能用作：

subset_df['Status'].replace(to_replace=[True, False], value=[False, True])

这将返回另一个具有替换值的序列。但如果要更改实际数据帧，则可以添加参数“inplace=True”，如下所示：

subset_df['Status'].replace(to_replace=[True, False], value=[False, True], inplace=True)

---

出于某种原因，您有一系列的

object

dtype，其中填充的可能是普通的Python

bool

s。将

~

应用于这样一个系列需要按元素进行，并将普通的

~

运算符应用于每个元素，而普通Python bools从

int

继承

~

——它们不会对此操作执行逻辑求反

在应用

~

获取逻辑求反之前，可以先将序列转换为布尔数据类型：

~series.astype(bool)

在足够新的Pandas版本（1.0及更高版本）上，您可能希望使用带有

astype（'boolean'）

的新版本，而不是

astype（bool）

---

您还应该首先弄清楚为什么您的系列中有object dtype——解决这个问题的正确位置可能在代码的前面，而不是这里。可能是您构建的错误，或者您试图使用NaN或None来表示缺少的值。

您是否尝试过

mask=not subset_df['Status']

？@MarkRansom这是错误消息，正在使用not

ValueError：序列的真值不明确。使用a.empty、a.bool（）、a.item（）、a.any（）或a.all（）。

非常感谢您的建议。不知道为什么，但当使用

-s

或

np.invert

时，输出仍然是

dtype=object

，而不是bool。然后，如果我应用以下函数

error=subset_df[mask][[a'，b']].copy（）

keyrerror:[Int64Index（[-1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0]，\n dtype='int64'，length=197）]都不在[columns]中，好的，似乎

状态

列是

对象

类型而不是布尔类型。更新了答案以支持这一点。这是有意义的，只是想知道为什么我们要编写这样的逻辑

np。where（df['Status']='True'，False，True）

我也认为

df.Status=np。where（df['Status']='True'，False，True）

只有在类型是字符串而不是Object的情况下才能工作。因为当类型为object时，与“True”的比较将始终为False。更新了解决方案中

np.where

的解释。此解决方案将同时适用于

字符串和对象
类型。我将让您探索熊猫中
字符串和对象
之间的相似性。非常感谢。replace方法确实会在序列中创建相反的值，但是我是否可以使用掩码？因为我的下一步是做
error=subset_-df[mask][[a'，b']]！如果你喜欢我的答案，请投我一票。对不起！我不知道熊猫的面具是什么。