在熊猫DataFrame中将某些值替换为NaN时，如何避免数据类型转换？

Question

我有一个pandas DataFrame，我需要基于过滤器将某些值替换为NaN。这样做时，我面临数据类型的更改。如何避免这种数据类型转换？

玩具示例代码

import pandas as pd
import numpy as np
df = pd.Series([False, True, False, True])
filter = pd.Series([True, True, False, False])
df[filter] = np.nan

我希望df也具有True和False的值，来自NaN的建议。但是，如下面的输出所示，True的值被转换为1，而False的值被转换为0。

>>> df
0    NaN
1    NaN
2    0.0
3    1.0
dtype: float64

部分解决方案

我现在只能想到的部分解决方案如下：

df[df==1] = True
df[df==0] = False
print df

这将导致：

>>> df
0      NaN
1      NaN
2    False
3     True
dtype: object

问题

我知道，如果我检查值是否为1并且与True比较，它将解析为True，并且在0和False之间也会发生同样的情况。但是，当我将任何值转换为True时，我想避免将值False和NaN分别更改为0和1。是否有可能这样，所以我不需要使用我所说的部分解决方案？

Answer 1

在过滤器前更改为object

df = pd.Series([False, True, False, True])
filter = pd.Series([True, True, False, False])
df=df.astype('object')
df[filter] = np.nan
df
Out[623]: 
0      NaN
1      NaN
2    False
3     True
dtype: object

更多信息

df.apply(type)
Out[625]: 
0    <class 'float'>
1    <class 'float'>
2     <class 'bool'>
3     <class 'bool'>
dtype: object