如何将Pandas DataFrame中含布尔值的object列转换为boolean类型

原代码失效原因 #

• 判定逻辑错误：df[col] == True会将所有真值（比如数值1、非空字符串）判定为匹配，无法准确识别仅含布尔值的列；如果列中布尔值是'True'/'False'字符串格式，原判定条件完全无法匹配
• 转换逻辑错误：直接用astype('bool')转换object列时，所有非空/非0值都会被转为True，比如字符串'False'转换后也会变成True，不符合预期

修复方案 #

适配原有循环逻辑的版本 #

保留你原来的循环写法，调整判定和转换逻辑，同时兼容原生布尔值、字符串格式布尔值两种场景：

for col in df.columns:
    # 取列非空唯一值判断
    unique_vals = df[col].dropna().unique()
    # 判定规则：唯一值属于布尔/布尔字符串集合，且最多2种取值
    is_bool_col = set(unique_vals).issubset({True, False, 'True', 'False'}) and len(unique_vals) <= 2
    if is_bool_col:
        # 先替换字符串布尔值，再转成支持空值的pandas boolean类型
        df[col] = df[col].replace({'True': True, 'False': False}).astype('boolean')

更高效的向量化实现 #

不用逐列循环，批量处理所有object类型列，性能更好：

# 筛选所有object类型的列，非object列不需要处理
obj_cols = df.select_dtypes('object').columns

# 布尔列判定函数
def check_bool_col(series):
    unique_vals = series.dropna().unique()
    return set(unique_vals).issubset({True, False, 'True', 'False'}) and len(unique_vals) <= 2

# 筛选出所有符合条件的布尔列
bool_cols = obj_cols[df[obj_cols].apply(check_bool_col)]

# 批量转换类型
df[bool_cols] = df[bool_cols].replace({'True': True, 'False': False}).astype('boolean')

注意事项 #

• 这里用pandas自带的boolean类型而非Python原生bool，前者支持pd.NA空值，不会把空值强制转为True/False
• 如果你的布尔字符串是全小写/全大写格式，调整replace的映射规则即可，比如补充'true': True, 'FALSE': False
• 如果确认列中只有原生布尔值没有字符串格式，可以去掉replace步骤，调整判定规则为set(unique_vals).issubset({True, False})

内容的提问来源于stack exchange，提问作者chicagobeast12