Numpy数组导出CSV时True/False显示为大写的问题排查

问题详情 #

我对Numpy数组y_pred执行了如下处理：

y_pred=y_pred.astype('|S5')
for i in range(len(y_pred)):
  if y_pred[i]==b"1":
    y_pred[i]="True"
  elif y_pred[i]==b"0":
    y_pred[i]="False"
y_pred=y_pred.astype(str)

print(y_pred)

combined_data = pd.DataFrame({'PassengerId': df2['PassengerId'], 'Transported': y_pred})
combined_data.to_csv('predictions_logistic.csv', index=False)

控制台输出为：['True' 'True' 'True' ... 'True' 'True' 'False']

但打开生成的predictions_logistic.csv文件后，发现Transported列显示的是TRUE和FALSE，而非预期的True和False。请问这是因为被识别为布尔类型导致的吗？还是DataFrame或to_csv方法存在问题？请帮忙解决。

原因分析 #

核心原因是Pandas的类型自动推断机制：尽管你把数组转成了字符串类型，但'True'/'False'字符串会被Pandas识别为布尔值的等价表示，在写入CSV时自动转换为全大写的TRUE/FALSE格式。

解决方法 #

方法1：强制指定列的字符串类型 #

创建DataFrame时，明确声明Transported列的类型为字符串，阻断Pandas的自动类型推断：

combined_data = pd.DataFrame(
    {'PassengerId': df2['PassengerId'], 'Transported': y_pred},
    dtype={'Transported': str}
)
combined_data.to_csv('predictions_logistic.csv', index=False)

方法2：通过CSV参数强制保留字符串格式 #

使用csv模块的引号参数，让Pandas将非数值型数据用引号包裹，从而保留原始字符串的大小写：

import csv

combined_data.to_csv('predictions_logistic.csv', index=False, quoting=csv.QUOTE_NONNUMERIC)

方法3：优化数组处理逻辑（可选） #

你原来的字节串-字符串转换步骤可以简化，直接生成目标字符串数组，减少类型混淆的可能：

import numpy as np

# 直接将数值数组映射为目标字符串
y_pred = np.where(y_pred == 1, 'True', 'False')
# 确保类型为字符串
y_pred = y_pred.astype(str)

内容的提问来源于stack exchange，提问作者Sumedh Kudale