如何将pandas DataFrame中numpy.bool类型值替换为指定字符串

现有如下结构的pandas DataFrame：

Name      Enrolled
JarJar          TRUE
  Boba         FALSE

需要实现的效果是将DataFrame中所有不区分大小写的TRUE/FALSE值，分别替换为TRUE_/FALSE_。
初始尝试的正则替换代码如下：

df_to_add = df_to_add.replace('(?i)true', 'TRUE_', regex=True)
df_to_add = df_to_add.replace('(?i)false', 'FALSE_', regex=True)

替换失效原因：DataFrame中存储的TRUE/FALSE为numpy.bool_布尔类型，并非字符串类型，正则匹配规则无法作用于非字符串类型的取值。

根据使用场景可以选择以下两种方案：

• 全场景兼容方案（同时支持布尔类型值、任意大小写字符串格式的true/false替换）
  先将全表值转换为字符串类型，再执行正则替换即可覆盖所有场景：

  # 全表转字符串后执行正则替换
  df_to_add = df_to_add.astype(str)
  df_to_add = df_to_add.replace('(?i)true', 'TRUE_', regex=True)
  df_to_add = df_to_add.replace('(?i)false', 'FALSE_', regex=True)
  

• 高性能定向替换方案（适合明确字段类型的场景）
  如果不需要处理字符串格式的true/false，仅需替换numpy布尔值，直接通过值映射替换即可，无需启用正则，执行效率更高：

  # 直接映射布尔值为目标字符串
  df_to_add = df_to_add.replace({True: 'TRUE_', False: 'FALSE_'})
  

  如果需要同时兼容不同大小写的字符串格式true/false，可以补全映射字典，不需要走正则逻辑：

  replace_map = {
      True: 'TRUE_',
      False: 'FALSE_',
      'TRUE': 'TRUE_',
      'True': 'TRUE_',
      'true': 'TRUE_',
      'FALSE': 'FALSE_',
      'False': 'FALSE_',
      'false': 'FALSE_'
  }
  df_to_add = df_to_add.replace(replace_map)
  

内容的提问来源于stack exchange，提问作者Barry