Python中如何互换True与False？DataFrame统计需求求解

为什么--df['allowed']无效 #

在Python里，布尔值True等价于整数1，False等价于0。--True本质是-(-1)结果还是1（也就是True），--False是-(-0)结果还是0（也就是False），所以这种写法根本没法实现值的互换。

方法一：修改布尔列实现互换 #

利用布尔值和整数的转换特性，用1减去原布尔值，就能快速把True转成0、False转成1：

df['allowed'] = 1 - df['allowed']
# 之后执行分组求和，得到的就是原数据中False的数量
result = df.groupby('country', as_index=False).sum()

方法二：不修改原数据，直接统计False数量 #

要是不想改动原DataFrame，直接在分组聚合的时候计算每个国家的False数量更高效：

result = df.groupby('country', as_index=False).agg(
    false_count=('allowed', lambda x: (x == False).sum())
)

或者用更简洁的写法（因为False等价于0，直接统计0的数量）：

result = df.groupby('country', as_index=False).agg(
    false_count=('allowed', lambda x: (x == 0).sum())
)

方法三：用numpy做条件转换 #

如果你的DataFrame列是numpy布尔类型，也可以用numpy的条件判断来转换：

import numpy as np
df['allowed'] = np.where(df['allowed'], 0, 1)

内容的提问来源于stack exchange，提问作者Monsson