Question

我有一个CSV文件。我希望读取的大部分值都是字符串，但如果具有给定标题的列存在，我想将列读为bool ..

因为CSV文件有很多列，所以我不想直接在每列上指定数据类型，并给出如下内容：

data = read_csv('sample.csv', dtype={'A': str, 'B': str, ..., 'X': bool})

是否可以在每列上定义字符串类型但是同时将可选列作为bool读取？

我目前的解决方案如下（但效率非常低且速度慢）：

data = read_csv('sample.csv', dtype=str) # reads all column as string
if 'X' in data.columns:
    l = lambda row: True if row['X'] == 'True' else False if row['X'] == 'False' else None
    data['X'] = data.apply(l, axis=1)

更新：样本CSV：

A;B;C;X
a1;b1;c1;True
a2;b2;c2;False
a3;b3;c3;True

或者同样可以没有'X'列（因为该列是可选的）：

A;B;C
a1;b1;c1
a2;b2;c2
a3;b3;c3

Answer 1

您可以先使用contains和boolean indexing过滤replace个值X列：

cols = df.columns[df.columns.str.contains('X')]
df[cols] = df[cols].replace({'True': True, 'False': False})

或者如果需要过滤列X：

cols = df.columns[df.columns == 'X']
df[cols] = df[cols].replace({'True': True, 'False': False})

样品：

import pandas as pd

df = pd.DataFrame({'A':['a1','a2','a3'],
                   'B':['b1','b2','b3'],
                   'C':['c1','c2','c3'],
                   'X':['True','False','True']})

print (df)
    A   B   C      X
0  a1  b1  c1   True
1  a2  b2  c2  False
2  a3  b3  c3   True

print (df.dtypes)
A    object
B    object
C    object
X    object
dtype: object

cols = df.columns[df.columns.str.contains('X')]
print (cols)

Index(['X'], dtype='object')

df[cols] = df[cols].replace({'True': True, 'False': False})

print (df.dtypes)
A    object
B    object
C    object
X      bool
dtype: object
print (df)

    A   B   C      X
0  a1  b1  c1   True
1  a2  b2  c2  False
2  a3  b3  c3   True

Answer 2

为什么不使用bool()数据类型。如果传递参数且参数不是False，None，''或0

，则bool()计算结果为true

if 'X' in data.columns:
    try:
        l = bool(data.columns['X'].replace('False', 0))
    except:
        l = None
    data['X'] = data.apply(l, axis=1)

Answer 3

实际上，当您使用pandas中的read_csv（在版本0.17上测试）时，您不需要任何特殊处理。将您的示例文件与X：

一起使用

import pandas as pd

df = pd.read_csv("file.csv", delimiter=";")
print(df.dtypes)

A    object
B    object
C    object
X      bool
dtype: object

Answer 4

对于那些在标题中寻找问题答案的人，（在这种情况下，将所有设置为字符串，除了索引为 int）您可以执行以下操作，如果您知道您拥有的列数：< /p>

dtype = dict(zip(range(9),np.int16 + [str for _ in range(8)]))
dframe = pd.read_csv('../files/file.csv', dtype=dtype)

归功于Anton vBR in this question。

Pandas read_csv dtype指定除

4 个答案: