如何将DataFrame字符串值转为布尔值？列数不匹配错误求解

错误原因 #

你当前的death_data是包含5个一维ndarray的列表，每个ndarray对应原DataFrame中一列的布尔值结果（长度为159，即原数据的行数）。当你直接执行pd.DataFrame(death_data, columns=death_columns)时，pandas会将列表里的每个ndarray当作一行数据，最终生成一个5行、159列的DataFrame，但你指定了仅5列，因此出现列数不匹配的报错。

解决方案 #

方案1：转置数据后创建DataFrame

将death_data转置，把原本的列数据转换为行数据，与指定列名匹配：

import pandas as pd
import numpy as np

death_columns = ['Death1', 'Death2', 'Death3', 'Death4', 'Death5']
death_counts = combined_dataframe[death_columns]
death_data = [np.where(death_counts[c] == "YES", True, False) for c in death_columns]
# 转置数组，让列数据变为行数据
death_counts = pd.DataFrame(np.array(death_data).T, columns=death_columns)

方案2：用pandas内置方法简化操作

无需借助numpy的where，直接利用pandas的Series比较操作，代码更简洁高效：

# 直接将"YES"转为True，"NO"和NaN转为False
death_counts = combined_dataframe[death_columns].eq("YES")

如果需要单独处理NaN（比如将NaN转为特定布尔值），可先填充缺失值：

# 先把NaN替换为"NO"，再转为布尔值
death_counts = combined_dataframe[death_columns].fillna("NO").eq("YES")

内容的提问来源于stack exchange，提问作者Mark Molina