为何Pandas中基于bool类型Fee列的分组累加代码失效？

构造如下DataFrame：

import pandas as pd
data = {'ID': [1,1,1,1,1,1,2,2,2,2,2,2,2],
            'Fee': ['False', 'False', 'True','False','False','False','False', 'False','False','True','False','False','False']}
df=pd.DataFrame(data)

需求是新增一列Bool：每个ID分组内Fee列的'True'之前的行值为0，之后的行值为1，'True'所在行的值为0或1均可，期望结果如下：

ID    Fee  Bool
0    1  False     0
1    1  False     0
2    1   True     0
3    1  False     1
4    1  False     1
5    1  False     1
6    2  False     0
7    2  False     0
8    2  False     0
9    2   True     0
10   2  False     1
11   2  False     1
12   2  False     1

通过以下代码实现了需求：

df['Bool'] = df['Fee'].eq('True').groupby(df.ID).cumsum().astype(int)

但从CSV读取相同数据时，Fee列变为bool类型，此时上述代码生成的Bool列全为0。想知道该现象的原因。

• 字符串与布尔值的比较逻辑差异：
  当Fee是字符串类型时，df['Fee'].eq('True')会精准匹配字符串值'True'，得到一个布尔Series——只有Fee为'True'的行是True，其余为False。分组后cumsum()会将布尔值视为1和0累加，从而得到符合需求的0、1序列。
  当Fee是布尔类型时，df['Fee'].eq('True')是把布尔值（True/False）和字符串'True'做跨类型比较。由于类型不匹配，布尔值True不等于字符串'True'，布尔值False也不等于字符串'True'，所以整个Series的结果全是False。后续分组cumsum()累加的全是0，最终Bool列自然全为0。

• 布尔类型列的正确用法：
  如果Fee是布尔类型，直接用df['Fee']即可得到标记目标行的布尔Series，无需额外调用eq方法，正确代码应为：

  df['Bool'] = df['Fee'].groupby(df.ID).cumsum().astype(int)
  

内容的提问来源于stack exchange，提问作者Mina